Skip to content

Llama 4 Maverick Requisitos de VRAM e Cluster GPU

Calcule direto no navegador a memória GPU necessária para Llama 4 Maverick: pesos, cache KV GQA/MLA e Tensor Parallelism em A100, H100, H200 e RTX 5090.

Arquitetura MoE
Parâmetros totais
400B
Pesos ativos
17B
Contexto máximo
1024k tokens
Cluster recomendado
8x H100 (80GB) or 4x H200 (141GB)

Uso de VRAM do Llama 4 Maverick por precisão (Batch 1)

PrecisãoPesos do modeloCache KV (16k)Ativações + CUDATotal estimado
FP16 / BF16800.0 GB3.00 GB~3 GB806.0 GB
FP8 / INT8400.0 GB1.50 GB~3 GB404.5 GB
INT4 / AWQ / GPTQ200.0 GB1.50 GB~3 GB204.5 GB

Crescimento do cache KV no Llama 4 Maverick (FP16 / Batch 1)

Llama 4 Maverick usa Grouped-Query Attention (8 cabeças KV / 40 cabeças Query), escalando a memória KV com o tamanho do contexto assim:

Contexto 8k
1.50 GB
Contexto 32k
6.00 GB
Contexto 128k
24.00 GB

Calculadora VRAM interativa

Ajuste tamanho de batch, contexto, quantização e modo (Inferência, LoRA ou Full Fine-Tune).

Calculadora gratuita de VRAM para LLM

Calcule com precisão os requisitos de memória GPU para inferência, ajuste fino completo e treinamento LoRA. Planeje a arquitetura do seu cluster para Llama, DeepSeek, Qwen e modelos personalizados em GPUs NVIDIA.

Parâmetros do modelo e carga de trabalho

Quantização e precisão

Modo de execução

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

Detalhamento de VRAM

Pesos do modelo800 GB
Cache KV1.5 GB
Overhead de ativação0.38 GB
Runtime CUDA2 GB
VRAM total necessária803.88 GB

Ferramentas para desenvolvedores Denpex

Instale a extensão Denpex para VS Code e Open VSX com mais de 2.000 instalações ativas. Analise logs localmente no navegador sem upload com o nosso analisador de logs GPU.

Dimensionamento de hardware e recomendações de GPU

Quantidade mínima estimada de GPUs para hospedar 803.88 GB de VRAM com folga para concorrência.

Acelerador GPUVRAM por GPUQuantidade necessáriaUso estimado
NVIDIA B200192 GB5 GPUs84%
NVIDIA H200141 GB6 GPUs95%
NVIDIA H10080 GB11 GPUs91%
NVIDIA A10080 GB11 GPUs91%
NVIDIA RTX PRO 6000 Blackwell96 GB9 GPUs93%
NVIDIA L40S48 GB17 GPUs99%
NVIDIA RTX 509032 GB26 GPUs97%
NVIDIA RTX 409024 GB34 GPUs99%

Depurando OOM ou falhas vLLM ao rodar Llama 4 Maverick

Se ocorrer CUDA out of memory, falta de cache KV ou travamento NCCL com Llama 4 Maverick, confira estes guias em português.

Calculadoras de outros modelos populares

Perguntas frequentes

Quanta VRAM apenas os pesos do Llama 4 Maverick consomem?

Em FP16 os pesos usam cerca de 800.0 GB, em FP8/INT8 cerca de 400.0 GB e em INT4 cerca de 200.0 GB. Em produção, some o cache KV, ativações e margem CUDA.

Qual configuração de GPUs é recomendada para servir o Llama 4 Maverick?

O baseline recomendado é 8x H100 (80GB) or 4x H200 (141GB) (Tensor Parallelism 8). Em contextos longos ou alta concorrência, garanta folga em HBM e largura de banda NVLink.

Quanto o cache KV FP16 do Llama 4 Maverick consome em 8k e 32k tokens?

Com batch 1 em FP16, usa aproximadamente 1.50 GB em 8k tokens e 6.00 GB em 32k tokens, crescendo proporcionalmente às requisições simultâneas.

Experimente o Denpex por 30 dias. GRÁTIS.

Sem cartão de crédito. Sem assinatura automática. Veja se o Denpex ajuda em um incidente que você já conhece.

Inicie sua avaliação Team gratuita de 30 dias

Até 50 diagnósticos por dia durante 30 dias. Verifique seu e-mail corporativo para ativar uma avaliação elegível, reproduza um incidente já resolvido e compare as evidências com a causa confirmada pela sua equipe.

Use seu e-mail da empresa, por exemplo alex@suaempresa.com.

Quem é elegível?

Domínios corporativos ativam a avaliação gratuita de 30 dias após a verificação do e-mail e domínio. Se a validação automática falhar, fale com support@denpex.com. O diagnóstico local na extensão do editor dispensa conta.

Usando e-mail pessoal (Gmail, Outlook) ou cluster solo? Criar conta gratuita de $0 (não exige e-mail corporativo) para salvar histórico de 7 dias, ou envie um log de falha para demonstração ao vivo.