Skip to content

Llama 3.3 70B Dimensionnement VRAM et Cluster GPU

Calculez dans votre navigateur l'empreinte GPU exacte de Llama 3.3 70B : poids, cache KV GQA/MLA et parallélisme tensoriel sur A100, H100, H200 et RTX 5090.

Modèle Dense
Paramètres totaux
70B
Poids actifs
70B
Contexte max
128k jetons
Cluster recommandé
2x H100 (80GB) or 1x H200 (141GB FP8)

Mémoire VRAM de Llama 3.3 70B selon la précision (Lot 1)

PrécisionPoids du modèleCache KV (8k)Activations + CUDATotal estimé
FP16 / BF16140.0 GB2.50 GB~3 GB145.5 GB
FP8 / INT870.0 GB1.25 GB~3 GB74.3 GB
INT4 / AWQ / GPTQ35.0 GB1.25 GB~3 GB39.3 GB

Évolution du cache KV pour Llama 3.3 70B (FP16 / Lot 1)

Llama 3.3 70B repose sur Grouped-Query Attention (8 têtes KV / 64 têtes Query) et consomme le cache KV suivant selon la fenêtre de contexte :

Contexte 8k
2.50 GB
Contexte 32k
10.00 GB
Contexte 128k
40.00 GB

Calculateur VRAM interactif

Ajustez taille de lot, contexte, quantification et mode d'exécution (Inférence, LoRA ou Full Fine-Tune).

Calculateur VRAM LLM gratuit

Calculez avec précision la mémoire GPU requise pour l'inférence, le fine-tuning complet et l'entraînement LoRA. Dimensionnez votre cluster pour Llama, DeepSeek, Qwen, Mistral ou un modèle personnalisé sur GPU NVIDIA.

Paramètres du modèle et de la charge

Quantification et précision

Mode d'exécution

8,192 jetons
4,09632,76865,536131,072
1
1163264

Répartition de la VRAM

Poids du modèle140 GB
Cache KV2.5 GB
Mémoire d'activation1 GB
Environnement CUDA2 GB
VRAM totale requise145.5 GB

Outils développeur Denpex

Installez l'extension Denpex pour VS Code et Open VSX (plus de 2 000 installations actives) pour le diagnostic en temps réel. Analysez vos journaux hors ligne dans le navigateur avec notre analyseur de journaux GPU.

Dimensionnement matériel et recommandations GPU

Nombre minimal estimé de GPU nécessaires pour héberger 145.5 Go de VRAM avec marge pour la concurrence.

Accélérateur GPUVRAM par GPUNombre requisUtilisation estimée
NVIDIA B200192 GB1 GPU76%
NVIDIA H200141 GB2 GPU52%
NVIDIA H10080 GB2 GPU91%
NVIDIA A10080 GB2 GPU91%
NVIDIA RTX PRO 6000 Blackwell96 GB2 GPU76%
NVIDIA L40S48 GB4 GPU76%
NVIDIA RTX 509032 GB5 GPU91%
NVIDIA RTX 409024 GB7 GPU87%

Déboguer un OOM ou arrêt vLLM sur Llama 3.3 70B

En cas d'erreur CUDA out of memory, manque de cache KV ou timeout NCCL avec Llama 3.3 70B, ouvrez ces fiches en français.

Autres modèles populaires

Questions fréquentes

Quelle VRAM faut-il pour les seuls poids de Llama 3.3 70B ?

Les poids de Llama 3.3 70B demandent environ 140.0 Go en FP16, 70.0 Go en FP8/INT8 et 35.0 Go en INT4. En production, ajoutez le cache KV, les activations et la marge CUDA.

Quelle configuration GPU est recommandée pour déployer Llama 3.3 70B ?

La base recommandée est 2x H100 (80GB) or 1x H200 (141GB FP8) (Tensor Parallelism 2 (BF16) or TP 1 on H200 (FP8)). Prévoyez une marge HBM et NVLink suffisante pour absorber les requêtes longues concurrentes.

Combien pèse le cache KV FP16 de Llama 3.3 70B à 8k et 32k jetons ?

Pour un lot unitaire en FP16, le cache KV utilise environ 2.50 Go à 8k jetons et 10.00 Go à 32k jetons. Cette valeur est multipliée par la concurrence sous vLLM.

Essayez Denpex pendant 30 jours. GRATUIT.

Sans carte bancaire. Sans abonnement automatique. Vérifiez l'utilité de Denpex sur un incident que vous connaissez déjà.

Démarrer votre évaluation Team gratuite de 30 jours

Jusqu'à 50 diagnostics par jour pendant 30 jours. Vérifiez votre e-mail professionnel pour activer votre essai d'entreprise, rejouez un incident déjà résolu et comparez les preuves avec la cause confirmée par votre équipe.

Utilisez votre adresse d'entreprise, par exemple alex@votreentreprise.fr.

Qui est éligible ?

Tout domaine d'entreprise vérifié active l'évaluation Team gratuite de 30 jours (jusqu'à 50 diagnostics/jour), quel que soit votre hébergeur mail. En cas d'échec de vérification automatique, contactez support@denpex.com. Le diagnostic local dans l'extension éditeur ne nécessite aucun compte.

Vous utilisez une adresse personnelle (Gmail, Outlook, Orange) ou un cluster solo ? Créer un compte gratuit à 0 $ (sans e-mail pro) pour conserver 7 jours d'historique, ou envoyez un journal d'erreur pour une démonstration.