Quelle mémoire pour GLM 5.2 en FP16 ?
GLM 5.2 compte 744 milliards de paramètres. Le format FP16 décide de la mémoire nécessaire pour les charger.
Comment se calcule cette empreinte ?
GLM 5.2 totalise 744 milliards de paramètres. Le format FP16 occupe 2 octet par paramètre (16 bits par paramètre, soit 2 octets). Le produit donne les poids, auxquels s’ajoute une marge d’exécution de 15 % pour les activations et les tampons : 744 milliards de paramètres × 2 octets (FP16) = 1 488,0 Go de poids ; × 1,15 de marge d’exécution = 1 711,2 Go. 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].
Que change le format ?
FP16 apporte pleine précision, référence de qualité.
| Format | Poids en mémoire | Plateformes compatibles |
|---|---|---|
| FP16 | 1 711 Go | 2 |
| FP8 | 856 Go | 4 |
| NVFP4 | 428 Go | 7 |
| Q4 | 513 Go | 6 |
Quelles plateformes conviennent ?
Voir la fiche GLM 5.2.
Combien de mémoire pour GLM 5.2 en FP16 ?
Environ 1 711 Go pour les poids, hors cache d’attention.
Quel format choisir pour GLM 5.2 ?
FP16 apporte pleine précision, référence de qualité. Le format le plus précis qui loge sur la machine visée reste le meilleur choix.
Méthode et sources
Les empreintes mémoire sont calculées, elles ne sont pas mesurées : 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.
- GLM 5.2 : 744 milliards de paramètres, 40 milliards actifs, contexte de 1 048 576 tokens, licence MIT. Dépôt Hugging Face (config.json, API, carte), vérifié le 2 septembre 2026. 744 milliards annoncés par Z.AI ; le dépôt compte 753 milliards d’éléments de tenseurs en BF16 (1 507 Go).
- 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.