Faire tourner Qwen 3.8 27B sur GB300 NVL72

Qwen 3.8 27B compte 27 milliards de paramètres. GB300 NVL72 offre 20 700 Go de mémoire HBM3e, baie 72. Cette page confronte les deux.

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

Réponse courte. Qwen 3.8 27B tient largement sur GB300 NVL72. En FP16, ses poids occupent environ 62,1 Go sur les 20 700 Go disponibles, soit 20 638 Go laissés au cache d’attention et à la concurrence.

Quelle mémoire Qwen 3.8 27B 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 : 27 milliards de paramètres × 2 octets (FP16) = 54,0 Go de poids ; × 1,15 de marge d’exécution = 62,1 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	62,1 Go	tient	pleine précision, référence de qualité
FP8	31,0 Go	tient	perte négligeable sur la plupart des tâches
NVFP4	15,5 Go	tient	format Blackwell, calcul FP4 natif
Q4	18,6 Go	tient	quantification par blocs, large support

Fiche du modèle : 27 milliards de paramètres, architecture dense, contexte de 262 144 tokens, licence Apache 2.0. Modèle dense : tous les paramètres calculent à chaque token. Le dépôt BF16 compte 27,8 milliards d’éléments (56 Go).

Que reste-t-il pour servir des requêtes ?

Qwen 3.8 27B tient largement sur GB300 NVL72. En FP16, ses poids occupent environ 62,1 Go sur les 20 700 Go disponibles, soit 20 638 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].

GB300 NVL72 : prix sur devis. NVIDIA ne publie pas de tarif ; les estimations d’analystes vont de 3,7 à 6,5 M$ la baie (Loop Capital, Tom’s Hardware, rapportées par Spheron le 16 août 2026). La machine vise le segment GE.

Où faire tourner Qwen 3.8 27B autrement ?

Voir aussi la fiche Qwen 3.8 27B et la fiche GB300 NVL72.

Quelle mémoire faut-il pour Qwen 3.8 27B ?

En FP16, les poids occupent environ 62,1 Go, marge d’exécution comprise. Le cache d’attention s’ajoute et dépend du contexte.

Qwen 3.8 27B tient-il sur GB300 NVL72 ?

Qwen 3.8 27B tient largement sur GB300 NVL72. En FP16, ses poids occupent environ 62,1 Go sur les 20 700 Go disponibles, soit 20 638 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.

Qwen 3.8 27B : 27 milliards de paramètres, contexte de 262 144 tokens, licence Apache 2.0. Dépôt Hugging Face (config.json, API, carte), vérifié le 2 septembre 2026. Modèle dense : tous les paramètres calculent à chaque token. Le dépôt BF16 compte 27,8 milliards d’éléments (56 Go).
GB300 NVL72 : 20 700 Go de mémoire HBM3e, baie 72 ; 72 GPU Blackwell Ultra et 36 CPU Grace, 20 To de mémoire GPU selon NVIDIA (72 × 288 Go = 20 736 Go), 37 To de mémoire rapide, NVLink 130 To/s, 1 440 PFLOPS FP4 avec sparsité (1 080 en dense) ; consommation non publiée. Fiche constructeur vérifiée le 2 septembre 2026.
Prix GB300 NVL72 : sur devis. NVIDIA ne publie pas de tarif ; les estimations d’analystes vont de 3,7 à 6,5 M$ la baie (Loop Capital, Tom’s Hardware, rapportées par Spheron le 16 août 2026).
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.