Quelle mémoire pour Kimi K3 en FP16 ?
Kimi K3 compte 2800 milliards de paramètres. Le format FP16 décide de la mémoire nécessaire pour les charger.
Comment se calcule cette empreinte ?
Kimi K3 totalise 2800 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 : 2 800 milliards de paramètres × 2 octets (FP16) = 5 600,0 Go de poids ; × 1,15 de marge d’exécution = 6 440,0 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 ?
FP16 apporte pleine précision, référence de qualité.
| Format | Poids en mémoire | Plateformes compatibles |
|---|---|---|
| FP16 | 6 440 Go | 1 |
| FP8 | 3 220 Go | 1 |
| NVFP4 | 1 610 Go | 2 |
| Q4 | 1 932 Go | 2 |
Quelles plateformes conviennent ?
Voir la fiche Kimi K3.
Combien de mémoire pour Kimi K3 en FP16 ?
Environ 6 440 Go pour les poids, hors cache d’attention.
Quel format choisir pour Kimi K3 ?
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.
- Kimi K3 : 2 800 milliards de paramètres, 104 milliards actifs, contexte de 1 048 576 tokens, licence Kimi K3. Dépôt Hugging Face (config.json, API, carte), vérifié le 2 septembre 2026. 2,8 billions annoncés, 16 experts activés sur 896 ; le dépôt compte 2 780 milliards d’éléments, publiés en MXFP4 (1 561 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.