QDNAConseil et architecture de plateformes d'inférence et d'entraînement de LLM, en local ou hybride

Faire tourner Kimi K2.7 Code sur B300 SXM

Kimi K2.7 Code compte 1000 milliards de paramètres. B300 SXM offre 2 304 Go de mémoire HBM3e, 8 GPU. Cette page confronte les deux.

Par QDNA · Publié le · Mis à jour le

Réponse courte. Kimi K2.7 Code tient largement sur B300 SXM. En FP16, ses poids occupent environ 2 300 Go sur les 2 304 Go disponibles, soit 4,0 Go laissés au cache d’attention et à la concurrence.

Quelle mémoire Kimi K2.7 Code 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 FP16, le calcul s’écrit : 1 000 milliards de paramètres × 2 octets (FP16) = 2 000,0 Go de poids ; × 1,15 de marge d’exécution = 2 300,0 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.

FormatPoids en mémoireSur cette machineCe que le format coûte
FP162 300 Golimitepleine précision, référence de qualité
FP81 150 Gotientperte négligeable sur la plupart des tâches
NVFP4575 Gotientformat Blackwell, calcul FP4 natif
Q4690 Gotientquantification par blocs, large support

Fiche du modèle : 1 000 milliards de paramètres, 32 milliards actifs par token, contexte de 262 144 tokens, licence Modified MIT. 1 billion annoncé (carte), 8 experts activés sur 384 ; le dépôt compte 1 027 milliards d’éléments, publiés en 4 bits (595 Go).

Kimi K2.7 Code active 32 milliards de paramètres par token sur 1000 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 K2.7 Code tient largement sur B300 SXM. En FP16, ses poids occupent environ 2 300 Go sur les 2 304 Go disponibles, soit 4,0 Go laissés au cache d’attention et à la concurrence. 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 K2.7 Code autrement ?

Voir aussi la fiche Kimi K2.7 Code et la fiche B300 SXM.

Quelle mémoire faut-il pour Kimi K2.7 Code ?

En FP16, les poids occupent environ 2 300 Go, marge d’exécution comprise. Le cache d’attention s’ajoute et dépend du contexte.

Kimi K2.7 Code tient-il sur B300 SXM ?

Kimi K2.7 Code tient largement sur B300 SXM. En FP16, ses poids occupent environ 2 300 Go sur les 2 304 Go disponibles, soit 4,0 Go laissés au cache d’attention et à la concurrence.

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.