Faire tourner Kimi K3 sur B300 SXM
Kimi K3 compte 2800 milliards de paramètres. B300 SXM offre 2 304 Go de mémoire HBM3e, 8 GPU. Cette page confronte les deux.
Quelle mémoire Kimi K3 demande-t-il ?
Les poids occupent le nombre de paramètres multiplié par la taille du format, plus une marge d’exécution de 15 % pour les activations et les tampons. En NVFP4, le calcul s’écrit : 2 800 milliards de paramètres × 0,5 octet (NVFP4) = 1 400,0 Go de poids ; × 1,15 de marge d’exécution = 1 610,0 Go. Le cache d’attention s’ajoute par-dessus : il croît avec la longueur du contexte et avec le nombre de requêtes simultanées, donc il se dimensionne au cas par cas.
| Format | Poids en mémoire | Sur cette machine | Ce que le format coûte |
|---|---|---|---|
| FP16 | 6 440 Go | ne tient pas | pleine précision, référence de qualité |
| FP8 | 3 220 Go | ne tient pas | perte négligeable sur la plupart des tâches |
| NVFP4 | 1 610 Go | tient | format Blackwell, calcul FP4 natif |
| Q4 | 1 932 Go | limite | quantification par blocs, large support |
Fiche du modèle : 2 800 milliards de paramètres, 104 milliards actifs par token, contexte de 1 048 576 tokens, licence Kimi K3. 2,8 billions annoncés, 16 experts activés sur 896 ; le dépôt compte 2 780 milliards d’éléments, publiés en MXFP4 (1 561 Go).
Kimi K3 active 104 milliards de paramètres par token sur 2800 au total. Ces paramètres actifs gouvernent la vitesse, pas l’empreinte : tous les experts restent chargés en mémoire. Confondre les deux conduit à sous-dimensionner la machine d’un ordre de grandeur.
Que reste-t-il pour servir des requêtes ?
Kimi K3 tient sur B300 SXM à condition de quantifier. En NVFP4, ses poids occupent environ 1 610 Go sur 2 304 Go. Les formats plus précis ne logent pas. La marge disponible décide du nombre de requêtes simultanées et de la longueur de contexte tenable. Par convention QDNA, une machine « tient » quand les poids occupent au plus 75 % de sa mémoire ; au-delà, elle « tient tout juste » et contraint à limiter le contexte ou la concurrence. Le cache d’attention n’est pas calculé sur cette page. Les architectures de ces modèles (attention latente compressée, linéaire ou creuse, couches Mamba) n’ont pas de formule commune par token ; il se mesure sur la machine, avec le contexte et la concurrence visés [À MESURER].
B300 SXM : prix indicatif environ 430 à 690 k€ HT, non contractuel. Source : BIZON X9000 G5 à 496 728 $ (livraison novembre 2026) et Supermicro AS-8126GS-NB3RT à 795 000 $ chez Vipera, relevés le 2 septembre 2026, convertis au taux BCE de 1,159 $ pour 1 €. La machine vise le segment GE.
Où faire tourner Kimi K3 autrement ?
Voir aussi la fiche Kimi K3 et la fiche B300 SXM.
Quelle mémoire faut-il pour Kimi K3 ?
En NVFP4, les poids occupent environ 1 610 Go, marge d’exécution comprise. Le cache d’attention s’ajoute et dépend du contexte.
Kimi K3 tient-il sur B300 SXM ?
Kimi K3 tient sur B300 SXM à condition de quantifier. En NVFP4, ses poids occupent environ 1 610 Go sur 2 304 Go. Les formats plus précis ne logent pas.
Méthode et sources
L’empreinte est calculée, elle n’est pas mesurée : un relevé sur machine peut s’en écarter selon le moteur et le format exact des poids. Chaque valeur ci-dessous porte sa source et la date de son dernier contrôle.
- Kimi K3 : 2 800 milliards de paramètres, 104 milliards actifs, contexte de 1 048 576 tokens, licence Kimi K3. Dépôt Hugging Face (config.json, API, carte), vérifié le 2 septembre 2026. 2,8 billions annoncés, 16 experts activés sur 896 ; le dépôt compte 2 780 milliards d’éléments, publiés en MXFP4 (1 561 Go).
- B300 SXM : 2 304 Go de mémoire HBM3e, 8 GPU ; HGX B300, 8 GPU Blackwell Ultra à 288 Go, soit 2 304 Go (la fiche HGX arrondit à 2,1 To), 144 PFLOPS FP4 avec sparsité (108 en dense), NVLink 1,8 To/s par GPU. Fiche constructeur vérifiée le 2 septembre 2026.
- Prix B300 SXM : environ 430 à 690 k€ HT, indicatif et non contractuel. Source : BIZON X9000 G5 à 496 728 $ (livraison novembre 2026) et Supermicro AS-8126GS-NB3RT à 795 000 $ chez Vipera, relevés le 2 septembre 2026, convertis au taux BCE de 1,159 $ pour 1 €.
- Octets par paramètre : FP16 2 (16 bits par paramètre, soit 2 octets) ; FP8 1 (8 bits par paramètre (E4M3), soit 1 octet, échelles par bloc non comptées) ; NVFP4 0,5 (4 bits par paramètre, soit 0,5 octet ; les poids publiés en 4 bits pèsent 0,54 à 0,56 octet par paramètre avec leurs échelles (DeepSeek V4 Pro 865 Go pour 1 599 milliards, Kimi K3 1 561 Go pour 2 780 milliards)) ; Q4 0,6 (entendu ici comme Q4_K_M de llama.cpp, 0,6 octet par paramètre échelles comprises ; Q4_K_S pèse 0,56, AWQ et GPTQ 0,55). Source : connaissance/faits.yaml, famille quantifications, vérifiée le 2026-08-31.
- Marge d’exécution × 1,15 : hypothèse d’exploitation QDNA, non mesurée : 15 % au-dessus des poids pour les activations, les tampons et la fragmentation.
- Seuil « tient » à 75 % de la mémoire : hypothèse QDNA, non mesurée, qui réserve le quart restant au cache d’attention et à la concurrence.