Aller au contenu
Run LLM Locally

Llama 4 Scout 17B-16E Instruct sur une RTX 6000 Ada

Llama 4 Scout 17B-16E Instruct en Q4_K_M demande environ 68,6 Go, plus que les 48 Go de la RTX 6000 Ada : une partie du modèle tourne depuis la RAM système, ce qui ralentit la génération. En Q3_K_M, il ne tient pas en VRAM.

PartagerFacebookXWhatsAppLinkedInE-mail

Llama 4 Scout 17B-16E Instruct

Q4_K_M · 8K contexte

Offload CPU/GPU

Le modèle demande environ 68,6 Go mais seuls 46,6 Go de VRAM sont utilisables : 22 Go doivent être chargés en RAM système. Il fonctionne, à 68 % sur le GPU, mais plus lentement.

Votre matériel
RTX 6000 Ada 48 Go · 64 Go RAM
Mémoire estimée
~68,6 Go estimation
VRAM (mémoire utilisable)
46,6 Go
GPU seul
Non
Offload CPU/GPU
Nécessaire (22 Go)
Vitesse de génération
5–9,5 tok/s estimation
Plus grand contexte en mémoire rapide
Aucun
Confiance : faible

Basé sur : bande passante mémoire (960 Go/s) et taille du modèle · bande passante de la RAM système (~51 Go/s)

Répartition de la mémoire

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

22 Go à décharger en RAM système

  • 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
  • le partage CPU/GPU varie beaucoup selon le processeur et le lien PCIe
  • vitesse de la RAM inconnue (DDR4-3200 double canal supposée)
  • mélange d'experts : la vitesse dépend du routage des experts

Les autres quantifications sur la RTX 6000 Ada

Llama 4 Scout 17B-16E Instruct sur RTX 6000 Ada + 64 Go de RAM · contexte 8K
Llama 4 Scout 17B-16E Instruct Q8_08K~113 Go · Pas de donnéesIncompatible
Llama 4 Scout 17B-16E Instruct Q6_K8K~89 Go · 2,5–5 tok/s estimationOffload CPU/GPU
Llama 4 Scout 17B-16E Instruct Q5_K_M8K~77,4 Go · 3,5–7 tok/s estimationOffload CPU/GPU
Llama 4 Scout 17B-16E Instruct Q4_K_M8K~68,6 Go · 5–9,5 tok/s estimationOffload CPU/GPU
Llama 4 Scout 17B-16E Instruct IQ4_XS8K~61,1 Go · 7–14 tok/s estimationOffload CPU/GPU
Llama 4 Scout 17B-16E Instruct Q3_K_M8K~55,7 Go · 10–20 tok/s estimationOffload CPU/GPU

Alternatives

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

D'autres modèles adaptés à la RTX 6000 Ada

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 RTX 6000 Ada peut-elle faire tourner Llama 4 Scout 17B-16E Instruct ?
Le modèle demande environ 68,6 Go mais seuls 46,6 Go de VRAM sont utilisables : 22 Go doivent être chargés en RAM système. Il fonctionne, à 68 % sur le GPU, mais plus lentement.
Quelle quantification choisir sur la RTX 6000 Ada ?
Aucune ne tient entièrement en VRAM à 8K ; la plus petite, Q3_K_M, demande encore un offload.
Quel est le plus grand contexte possible sur la RTX 6000 Ada ?
En Q4_K_M, le modèle ne tient pas entièrement en VRAM, même avec un contexte court.
À quelle vitesse tourne Llama 4 Scout 17B-16E Instruct (RTX 6000 Ada) ?
Nous estimons 5–9,5 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (960 Go/s) et taille du modèle, bande passante de la RAM système (~51 Go/s).