Quelle mémoire pour Nemotron 3 Ultra en FP8 ?

Nemotron 3 Ultra compte 550 milliards de paramètres. Le format FP8 décide de la mémoire nécessaire pour les charger.

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

Réponse courte. En FP8, les poids de Nemotron 3 Ultra occupent environ 632 Go, marge d’exécution comprise. 6 des 8 plateformes du catalogue disposent d’assez de mémoire.

Comment se calcule cette empreinte ?

Nemotron 3 Ultra totalise 550 milliards de paramètres. Le format FP8 occupe 1 octet par paramètre (8 bits par paramètre (E4M3), soit 1 octet, échelles par bloc non comptées). Le produit donne les poids, auxquels s’ajoute une marge d’exécution de 15 % pour les activations et les tampons : 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 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 ?

FP8 apporte perte négligeable sur la plupart des tâches.

Format	Poids en mémoire	Plateformes compatibles
FP16	1 265 Go	3
FP8	632 Go	6
NVFP4	316 Go	7
Q4	379 Go	7

Quelles plateformes conviennent ?

Voir la fiche Nemotron 3 Ultra.

Combien de mémoire pour Nemotron 3 Ultra en FP8 ?

Environ 632 Go pour les poids, hors cache d’attention.

Quel format choisir pour Nemotron 3 Ultra ?

FP8 apporte perte négligeable sur la plupart des tâches. 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.

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.
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.