QDNAConseil et architecture de plateformes d'inférence et d'entraînement de LLM, en local ou hybride

Servir DeepSeek V4 avec vLLM

DeepSeek V4 compte 1600 milliards de paramètres. vLLM vise service en production, débit et concurrence. Cette page donne la mémoire nécessaire et les plateformes qui conviennent.

Par QDNA · Publié le · Mis à jour le

Réponse courte. vLLM sert DeepSeek V4 dès lors que la machine offre au moins 920 Go de mémoire, empreinte des poids en NVFP4. 4 des 8 plateformes du catalogue y parviennent.

Quelle mémoire faut-il au minimum ?

DeepSeek V4 totalise 1600 milliards de paramètres. En NVFP4, ses poids occupent environ 920 Go, marge d’exécution comprise : 1 600 milliards de paramètres × 0,5 octet (NVFP4) = 800,0 Go de poids ; × 1,15 de marge d’exécution = 920,0 Go. En FP8 l’empreinte double, à environ 1 840 Go (1 600 milliards de paramètres × 1 octet (FP8) = 1 600,0 Go de poids ; × 1,15 de marge d’exécution = 1 840,0 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].

À quoi sert vLLM ?

vLLM vise service en production, débit et concurrence. Voir la fiche vLLM et la fiche DeepSeek V4.

Sur quelles plateformes ?

Quelle mémoire pour DeepSeek V4 avec vLLM ?

Environ 920 Go en NVFP4 pour les poids, hors cache d’attention.

vLLM convient-il à DeepSeek V4 ?

vLLM sert DeepSeek V4 dès lors que la machine offre au moins 920 Go de mémoire, empreinte des poids en NVFP4. 4 des 8 plateformes du catalogue y parviennent.

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.