Aller au contenu
Run LLM Locally

Mixtral 8x7B Instruct sur une Tesla P40

Mixtral 8x7B Instruct en Q4_K_M demande environ 27,5 Go, plus que les 24 Go de la Tesla P40 : une partie du modèle tourne depuis la RAM système, ce qui ralentit la génération. En Q3_K_M, il tient entièrement.

PartagerFacebookXWhatsAppLinkedInE-mail

Mixtral 8x7B Instruct

Q4_K_M · 8K contexte

Offload CPU/GPU

Le modèle demande environ 27,5 Go mais seuls 23,3 Go de VRAM sont utilisables : 4,2 Go doivent être chargés en RAM système. Il fonctionne, à 85 % sur le GPU, mais plus lentement.

Votre matériel
Tesla P40 24 Go · 64 Go RAM
Mémoire estimée
~27,5 Go estimation
VRAM (mémoire utilisable)
23,3 Go
GPU seul
Non
Offload CPU/GPU
Nécessaire (4,2 Go)
Vitesse de génération
10–18 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

~27,5 Go (26,8 Go–28,3 Go) nécessaires · estimation

4,2 Go à décharger en RAM système

  • Poids du modèle24,6 Go
  • Cache KV1 Go
  • Surcoût runtime0,6 Go
  • Marge de sécurité1,3 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 Tesla P40

Mixtral 8x7B Instruct sur Tesla P40 + 64 Go de RAM · contexte 8K
Mixtral 8x7B Instruct Q8_08K~50,2 Go · 2,5–4,5 tok/s estimationPossible mais lent
Mixtral 8x7B Instruct Q6_K8K~39,2 Go · 3,5–7 tok/s estimationOffload CPU/GPU
Mixtral 8x7B Instruct Q5_K_M8K~33,2 Go · 5,5–11 tok/s estimationOffload CPU/GPU
Mixtral 8x7B Instruct Q4_K_M8K~27,5 Go · 10–18 tok/s estimationOffload CPU/GPU
Mixtral 8x7B Instruct IQ4_XS8K~27,1 Go · 11–19 tok/s estimationOffload CPU/GPU
Mixtral 8x7B Instruct Q3_K_M8K~21,6 Go · 33–44 tok/s estimationCompatible

Alternatives

Les GPU qui font tourner Mixtral 8x7B Instruct Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la Tesla P40

Du matériel qui fait tourner Mixtral 8x7B Instruct Q4_K_M entièrement en mémoire

Les prix et les liens suivent le marché choisi.

GeForce RTX 5090

NVIDIA

CompatibleFait tourner Mixtral 8x7B Instruct Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Radeon PRO W7900

AMD

ExcellentFait tourner Mixtral 8x7B Instruct Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

MacBook Pro 14 M3 Max

Apple Silicon

ExcellentFait tourner Mixtral 8x7B Instruct Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

AMD Ryzen AI Max+ 395

PC à mémoire unifiée

ExcellentFait tourner Mixtral 8x7B 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 Tesla P40 peut-elle faire tourner Mixtral 8x7B Instruct ?
Le modèle demande environ 27,5 Go mais seuls 23,3 Go de VRAM sont utilisables : 4,2 Go doivent être chargés en RAM système. Il fonctionne, à 85 % sur le GPU, mais plus lentement.
Quelle quantification choisir sur la Tesla P40 ?
Q3_K_M est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~21,6 Go / 23,3 Go.
Quel est le plus grand contexte possible sur la Tesla P40 ?
En Q4_K_M, le modèle ne tient pas entièrement en VRAM, même avec un contexte court.
À quelle vitesse tourne Mixtral 8x7B Instruct (Tesla P40) ?
Nous estimons 10–18 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).