Aller au contenu
Run LLM Locally

Llama 4 Scout 17B-16E Instruct sur une H100 PCIe

Avec ses 80 Go de VRAM, la H100 PCIe fait tourner Llama 4 Scout 17B-16E Instruct en Q4_K_M entièrement sur le GPU avec un contexte de 8K (environ 68,6 Go nécessaires). En Q8_0, il ne tient pas en VRAM.

PartagerFacebookXWhatsAppLinkedInE-mail

Llama 4 Scout 17B-16E Instruct

Q4_K_M · 8K contexte

Compatible

Le modèle demande environ 68,6 Go et tient dans les 77,6 Go disponibles (9 Go restants).

Votre matériel
H100 PCIe 80 Go · 64 Go RAM
Mémoire estimée
~68,6 Go estimation
VRAM (mémoire utilisable)
77,6 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
76–115 tok/s estimation
Plus grand contexte en mémoire rapide
191K tokens
Confiance : faible

Basé sur : bande passante mémoire (2 000 Go/s) et taille du modèle

Répartition de la mémoire

~68,6 Go (66,9 Go–70,3 Go) nécessaires · estimation

Tient entièrement en VRAM · 9 Go libres

  • Poids du modèle62,9 Go
  • Cache KV1,5 Go
  • Surcoût runtime0,9 Go
  • Marge de sécurité3,3 Go
Hypothèses: contexte 8K tokens · cache KV f16 · llama.cpp (CUDA) · flash attention activée · poids = taille réelle du fichier

EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally, Hugging Face config.json + model card

Ce qui rend cette estimation moins fiable

  • pas encore de benchmark pour ce matériel et ce modèle
  • mélange d'experts : la vitesse dépend du routage des experts

Les autres quantifications sur la H100 PCIe

Llama 4 Scout 17B-16E Instruct sur H100 PCIe + 64 Go de RAM · contexte 8K
Llama 4 Scout 17B-16E Instruct Q8_08K~113 Go · 3–6 tok/s estimationOffload CPU/GPU
Llama 4 Scout 17B-16E Instruct Q6_K8K~89 Go · 9–17 tok/s estimationOffload CPU/GPU
Llama 4 Scout 17B-16E Instruct Q5_K_M8K~77,4 Go · 70–105 tok/s estimationCompatible avec limites
Llama 4 Scout 17B-16E Instruct Q4_K_M8K~68,6 Go · 76–115 tok/s estimationCompatible
Llama 4 Scout 17B-16E Instruct IQ4_XS8K~61,1 Go · 82–125 tok/s estimationExcellent
Llama 4 Scout 17B-16E Instruct Q3_K_M8K~55,7 Go · 87–134 tok/s estimationExcellent

Alternatives

Les GPU qui font tourner Llama 4 Scout 17B-16E Instruct Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la H100 PCIe

Du matériel qui fait tourner Llama 4 Scout 17B-16E Instruct Q4_K_M entièrement en mémoire

Les prix et les liens suivent le marché choisi.

Radeon PRO W7900

AMD

ExcellentFait tourner Llama 4 Scout 17B-16E Instruct Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

NVIDIA DGX Spark (GB10)

PC à mémoire unifiée

ExcellentFait tourner Llama 4 Scout 17B-16E Instruct Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.

Questions fréquentes

La H100 PCIe peut-elle faire tourner Llama 4 Scout 17B-16E Instruct ?
Le modèle demande environ 68,6 Go et tient dans les 77,6 Go disponibles (9 Go restants).
Quelle quantification choisir sur la H100 PCIe ?
Q5_K_M est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~77,4 Go / 77,6 Go.
Quel est le plus grand contexte possible sur la H100 PCIe ?
En Q4_K_M, environ 191K tokens tiennent entièrement en VRAM avec un cache KV en f16. Un cache KV en q8_0 double à peu près ce chiffre.
À quelle vitesse tourne Llama 4 Scout 17B-16E Instruct (H100 PCIe) ?
Nous estimons 76–115 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (2 000 Go/s) et taille du modèle.