Faire tourner Nemotron 3 Ultra sur Serveur RTX PRO 6000

Nemotron 3 Ultra compte 550 milliards de paramètres. Serveur RTX PRO 6000 offre 768 Go de mémoire GDDR7, 8 GPU. Cette page confronte les deux.

Par QDNA · Publié le 27 juillet 2026 · Mis à jour le 15 septembre 2026

Réponse courte. Nemotron 3 Ultra tient largement sur Serveur RTX PRO 6000. En FP8, ses poids occupent environ 632 Go sur les 768 Go disponibles, soit 136 Go laissés au cache d’attention et à la concurrence.

Quelle mémoire Nemotron 3 Ultra 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 FP8, le calcul s’écrit : 550 milliards de paramètres × 1 octet (FP8) = 550,0 Go de poids ; × 1,15 de marge d’exécution = 632,5 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	1 265 Go	ne tient pas	pleine précision, référence de qualité
FP8	632 Go	limite	perte négligeable sur la plupart des tâches
NVFP4	316 Go	tient	format Blackwell, calcul FP4 natif
Q4	379 Go	tient	quantification par blocs, large support

Fiche du modèle : 550 milliards de paramètres, 55 milliards actifs par token, contexte de 262 144 tokens, licence OpenMDW 1.1. 550 milliards annoncés ; le dépôt BF16 compte 560 milliards d’éléments (1 121 Go). La carte annonce un contexte « jusqu’à 1 M », config.json déclare 262 144.

Nemotron 3 Ultra active 55 milliards de paramètres par token sur 550 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 ?

Nemotron 3 Ultra tient largement sur Serveur RTX PRO 6000. En FP8, ses poids occupent environ 632 Go sur les 768 Go disponibles, soit 136 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].

Serveur RTX PRO 6000 : prix sur devis. Aucun constructeur ne publie de tarif pour un serveur à 8 cartes ; la carte seule est affichée 16 000 $ sur la place de marché NVIDIA au 1er septembre 2026 (relevé thundercompute.com). La machine vise le segment PME, GE.

Où faire tourner Nemotron 3 Ultra autrement ?

Voir aussi la fiche Nemotron 3 Ultra et la fiche Serveur RTX PRO 6000.

Quelle mémoire faut-il pour Nemotron 3 Ultra ?

En FP8, les poids occupent environ 632 Go, marge d’exécution comprise. Le cache d’attention s’ajoute et dépend du contexte.

Nemotron 3 Ultra tient-il sur Serveur RTX PRO 6000 ?

Nemotron 3 Ultra tient largement sur Serveur RTX PRO 6000. En FP8, ses poids occupent environ 632 Go sur les 768 Go disponibles, soit 136 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.

Nemotron 3 Ultra : 550 milliards de paramètres, 55 milliards actifs, contexte de 262 144 tokens, licence OpenMDW 1.1. Dépôt Hugging Face (config.json, API, carte), vérifié le 2 septembre 2026. 550 milliards annoncés ; le dépôt BF16 compte 560 milliards d’éléments (1 121 Go). La carte annonce un contexte « jusqu’à 1 M », config.json déclare 262 144.
Serveur RTX PRO 6000 : 768 Go de mémoire GDDR7, 8 GPU ; 96 Go GDDR7 et 1 597 Go/s par carte, 600 W, soit 768 Go pour 8 cartes. Fiche constructeur vérifiée le 2 septembre 2026.
Prix Serveur RTX PRO 6000 : sur devis. Aucun constructeur ne publie de tarif pour un serveur à 8 cartes ; la carte seule est affichée 16 000 $ sur la place de marché NVIDIA au 1er septembre 2026 (relevé thundercompute.com).
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.