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

Faire tourner MiniMax M3 sur B200 SXM

MiniMax M3 compte 428 milliards de paramètres. B200 SXM offre 1 440 Go de mémoire HBM3e, 8 GPU. Cette page confronte les deux.

Par QDNA · Publié le · Mis à jour le

Réponse courte. MiniMax M3 tient largement sur B200 SXM. En FP16, ses poids occupent environ 984 Go sur les 1 440 Go disponibles, soit 456 Go laissés au cache d’attention et à la concurrence.

Quelle mémoire MiniMax M3 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 : 428 milliards de paramètres × 2 octets (FP16) = 856,0 Go de poids ; × 1,15 de marge d’exécution = 984,4 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
FP16984 Gotientpleine précision, référence de qualité
FP8492 Gotientperte négligeable sur la plupart des tâches
NVFP4246 Gotientformat Blackwell, calcul FP4 natif
Q4295 Gotientquantification par blocs, large support

Fiche du modèle : 428 milliards de paramètres, 23 milliards actifs par token, contexte de 1 048 576 tokens, licence MiniMax Community. Environ 428 milliards annoncés, 23 actifs ; le dépôt BF16 compte 427 milliards d’éléments (854 Go).

MiniMax M3 active 23 milliards de paramètres par token sur 428 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 ?

MiniMax M3 tient largement sur B200 SXM. En FP16, ses poids occupent environ 984 Go sur les 1 440 Go disponibles, soit 456 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].

B200 SXM : prix sur devis. NVIDIA ne publie pas de tarif ; Aivres annonçait environ 340 000 $ HT pour un serveur HGX B200 (Arc Compute, mise à jour du 30 juillet 2026, signalée comme périmée par l’auteur). La machine vise le segment GE.

Où faire tourner MiniMax M3 autrement ?

Voir aussi la fiche MiniMax M3 et la fiche B200 SXM.

Quelle mémoire faut-il pour MiniMax M3 ?

En FP16, les poids occupent environ 984 Go, marge d’exécution comprise. Le cache d’attention s’ajoute et dépend du contexte.

MiniMax M3 tient-il sur B200 SXM ?

MiniMax M3 tient largement sur B200 SXM. En FP16, ses poids occupent environ 984 Go sur les 1 440 Go disponibles, soit 456 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.