Aller au contenu
Run LLM Locally

gpt-oss-120b sur une Tesla P40

gpt-oss-120b en MXFP4 demande environ 63,2 Go, plus que les 24 Go de la Tesla P40 : une partie du modèle tourne depuis la RAM système, ce qui ralentit la génération.

PartagerFacebookXWhatsAppLinkedInE-mail

gpt-oss-120b

MXFP4 · 8K contexte

Possible mais lent

Le modèle demande environ 63,2 Go mais seuls 23,3 Go de VRAM sont utilisables : 39,9 Go doivent être chargés en RAM système. Il fonctionne, à 37 % sur le GPU, mais plus lentement.

Votre matériel
Tesla P40 24 Go · 64 Go RAM
Mémoire estimée
~63,2 Go estimation
VRAM (mémoire utilisable)
23,3 Go
GPU seul
Non
Offload CPU/GPU
Nécessaire (39,9 Go)
Vitesse de génération
9,5–19 tok/s estimation
Plus grand contexte en mémoire rapide
Aucun
Confiance : faible

Basé sur : bande passante mémoire (346 Go/s) et taille du modèle · bande passante de la RAM système (~51 Go/s)

Répartition de la mémoire

~63,2 Go (61,6 Go–64,8 Go) nécessaires · estimation

39,9 Go à décharger en RAM système

  • Poids du modèle59 Go
  • Cache KV0,3 Go
  • Surcoût runtime0,9 Go
  • Marge de sécurité3 Go
Hypothèses: contexte 8K tokens · cache KV f16 · llama.cpp (CUDA) · flash attention activée · poids = taille réelle du fichier · les couches à fenêtre glissante gardent 128 tokens

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 Tesla P40

gpt-oss-120b sur Tesla P40 + 64 Go de RAM · contexte 8K
gpt-oss-120b MXFP48K~63,2 Go · 9,5–19 tok/s estimationPossible mais lent

Alternatives

Les GPU qui font tourner gpt-oss-120b MXFP4 entièrement en VRAM

D'autres modèles adaptés à la Tesla P40

Du matériel qui fait tourner gpt-oss-120b MXFP4 entièrement en mémoire

Les prix et les liens suivent le marché choisi.

Radeon PRO W7900

AMD

ExcellentFait tourner gpt-oss-120b MXFP4 entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

NVIDIA DGX Spark (GB10)

PC à mémoire unifiée

ExcellentFait tourner gpt-oss-120b MXFP4 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 Tesla P40 peut-elle faire tourner gpt-oss-120b ?
Le modèle demande environ 63,2 Go mais seuls 23,3 Go de VRAM sont utilisables : 39,9 Go doivent être chargés en RAM système. Il fonctionne, à 37 % sur le GPU, mais plus lentement.
Quelle quantification choisir sur la Tesla P40 ?
Aucune ne tient entièrement en VRAM à 8K ; la plus petite, MXFP4, demande encore un offload.
Quel est le plus grand contexte possible sur la Tesla P40 ?
En MXFP4, le modèle ne tient pas entièrement en VRAM, même avec un contexte court.
À quelle vitesse tourne gpt-oss-120b (Tesla P40) ?
Nous estimons 9,5–19 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (346 Go/s) et taille du modèle, bande passante de la RAM système (~51 Go/s).