Quelle mémoire pour Kimi K2.7 Code en Q4 ?
Kimi K2.7 Code compte 1000 milliards de paramètres. Le format Q4 décide de la mémoire nécessaire pour les charger.
Comment se calcule cette empreinte ?
Kimi K2.7 Code totalise 1000 milliards de paramètres. Le format Q4 occupe 0,6 octet par paramètre (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). Le produit donne les poids, auxquels s’ajoute une marge d’exécution de 15 % pour les activations et les tampons : 1 000 milliards de paramètres × 0,6 octet (Q4) = 600,0 Go de poids ; × 1,15 de marge d’exécution = 690,0 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 ?
Q4 apporte quantification par blocs, large support.
| Format | Poids en mémoire | Plateformes compatibles |
|---|---|---|
| FP16 | 2 300 Go | 2 |
| FP8 | 1 150 Go | 3 |
| NVFP4 | 575 Go | 6 |
| Q4 | 690 Go | 6 |
Quelles plateformes conviennent ?
- DGX Station, 748 Go
- Serveur RTX PRO 6000, 768 Go
- Serveur H200 SXM, 1 128 Go
- B200 SXM, 1 440 Go
- B300 SXM, 2 304 Go
- GB300 NVL72, 20 700 Go
Voir la fiche Kimi K2.7 Code.
Combien de mémoire pour Kimi K2.7 Code en Q4 ?
Environ 690 Go pour les poids, hors cache d’attention.
Quel format choisir pour Kimi K2.7 Code ?
Q4 apporte quantification par blocs, large support. 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.
- Kimi K2.7 Code : 1 000 milliards de paramètres, 32 milliards actifs, contexte de 262 144 tokens, licence Modified MIT. Dépôt Hugging Face (config.json, API, carte), vérifié le 2 septembre 2026. 1 billion annoncé (carte), 8 experts activés sur 384 ; le dépôt compte 1 027 milliards d’éléments, publiés en 4 bits (595 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.