Radeon PRO W7900
AMD
ExcellentFait tourner Llama 4 Scout 17B-16E Instruct Q4_K_M entièrement en mémoire
Modèle · Meta
Llama 4 Scout 17B-16E Instruct : VRAM et matériel nécessaires
En Q4_K_M avec un contexte de 8K, Llama 4 Scout 17B-16E Instruct demande environ 67,8 Go : un GPU de 80 Go ou plus le fait tourner entièrement en VRAM.
- Paramètres109B
- Actifs17B
- Contexte max10M
- LicenceLlama 4 Community License
Caractéristiques
- Organisation
- Meta
- Architecture
- llama4
- Sortie
- avril 2025
- Couches
- 48
- Dimension cachée
- 5120
- Têtes d'attention
- 40
- Têtes KV
- 8
- Dimension par tête
- 128
- Vocabulaire
- 202 048
- Cache KV pour 1K tokens (f16)
- 0,188 Go
Spécification officielleDonnées mises à jour il y a 24 joursSource: Hugging Face config.json + model card
Quantifications et mémoire
| Quantification | Taille du fichier | Mémoire nécessaire | Mémoire GPU minimale | Qualité |
|---|---|---|---|---|
| BF16 | 201 Go | ~216 Go | – | Référence (non quantifié) |
| Q8_0 | 106 Go | ~116 Go | – | Quasi sans perte |
| Q6_K | 82,4 Go | ~90,1 Go | 96 Go | Quasi sans perte |
| Q5_K_M | 71,3 Go | ~78,5 Go | 80 Go | Très bonne |
| Q4_K_MLa plus utilisée | 62,9 Go | ~67,8 Go | 80 Go | Bonne — le choix courant |
| IQ4_XS | 55,8 Go | ~62 Go | 80 Go | Bonne — le choix courant |
| Q3_K_M | 50,6 Go | ~55,8 Go | 80 Go | Perte perceptible |
| Q2_K | 40 Go | ~44,8 Go | 48 Go | Perte importante |
Tailles de fichier : non disponibles tant qu'elles ne sont pas importées du dépôt du modèle. Mémoire = poids (estimés d'après les bits par poids) + cache KV + surcoût runtime + marge de sécurité. (BF16 ≈ 16 bpw, Q8_0 ≈ 8,5 bpw, Q6_K ≈ 6,57 bpw, Q5_K_M ≈ 5,7 bpw, Q4_K_M ≈ 4,9 bpw, IQ4_XS ≈ 4,46 bpw, Q3_K_M ≈ 4 bpw, Q2_K ≈ 3,17 bpw)
Q4, Q5 ou Q8 : comment choisir sa quantification
Les GPU qui font tourner Llama 4 Scout 17B-16E Instruct
| RTX 509032 Go · 64 Go RAM~68,6 Go · 3–6 tok/s estimation | Possible mais lent |
|---|---|
| RTX 409024 Go · 64 Go RAM~68,6 Go · 2,5–5 tok/s estimation | Possible mais lent |
| RTX 309024 Go · 64 Go RAM~68,6 Go · 2,5–5 tok/s estimation | Possible mais lent |
| RX 7900 XTX24 Go · 64 Go RAM~68,6 Go · 2,5–5 tok/s estimation | Possible mais lent |
| RTX 5060 Ti 16 GB16 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
| RTX 5070 Ti16 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
| RTX 508016 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
| RTX 4060 Ti 16 GB16 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
| RTX 4070 Ti SUPER16 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
| RX 9070 XT16 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
| RTX 3060 12 GB12 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
| RTX 407012 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
| RTX 507012 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
| RTX 40608 Go · 64 Go RAM~68,6 Go · Pas de données | Incompatible |
Les Mac qui font tourner Llama 4 Scout 17B-16E Instruct
| M3 Ultra (80-core GPU) · 512 GoMac Studio~68,4 Go · 29–44 tok/s estimation | Excellent |
|---|---|
| M4 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~68,4 Go · 21–32 tok/s estimation | Excellent |
| M3 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~68,4 Go · 17–25 tok/s estimation | Excellent |
| M4 Pro (20-core GPU) · 64 GoMac mini, MacBook Pro 14~68,4 Go · Pas de données | Incompatible |
| M4 Max (32-core GPU) · 36 GoMacBook Pro 14, MacBook Pro 16~68,4 Go · Pas de données | Incompatible |
| M4 · 32 GoMacBook Air, MacBook Pro 14~68,4 Go · Pas de données | Incompatible |
| M5 · 32 GoMacBook Pro 14~68,4 Go · Pas de données | Incompatible |
| M3 · 24 GoMacBook Air, MacBook Pro 14~68,4 Go · Pas de données | Incompatible |
EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally
Les limites en clair
Llama 4 Scout 17B-16E Instruct est un modèle à mélange d'experts : ses 109 Md de paramètres doivent tous être en mémoire, mais seuls 17 Md sont lus par token ; il génère donc bien plus vite qu'un modèle dense de même taille.
Le cache KV grandit avec le contexte : à 32K, il ajoute environ 2,6 Go aux poids.
Avec moins de 8 Go de VRAM, choisissez une quantification plus petite ou un modèle plus petit de la même famille.
Où acheter
Les prix et les liens suivent le marché choisi.
NVIDIA DGX Spark (GB10)
PC à mémoire unifiée
ExcellentFait tourner Llama 4 Scout 17B-16E Instruct Q4_K_M entièrement en mémoire
Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.
Questions fréquentes
Combien de VRAM faut-il pour Llama 4 Scout 17B-16E Instruct ?
Environ 67,8 Go en Q4_K_M avec un contexte de 8K, cache KV et surcoût compris. En Q8_0, il faut environ 116 Go. Un contexte plus long ajoute davantage : environ 2,6 Go de cache KV à 32K.
Llama 4 Scout 17B-16E Instruct tourne-t-il sur Mac ?
Oui, sur un Mac dont le GPU peut utiliser au moins 68,4 Go, par exemple M4 Max (40-core GPU) 128 Go. Par défaut, macOS laisse le GPU utiliser environ deux tiers à trois quarts de la mémoire unifiée.
À quelle vitesse tourne Llama 4 Scout 17B-16E Instruct ?
Sur une RTX 4090, nous estimons 2,5–5 tok/s en Q4_K_M. C'est une estimation fondée sur la bande passante mémoire (confiance faible) tant que des benchmarks ne sont pas importés.