Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

MiniMax M2.5 : configuration GPU requise, VRAM et GPU le moins cher

MiniMax M2.5 compte 228,7 Md paramètres, publiés en FP8. C’est un modèle à mélange d’experts : 8 de ses 256 experts traitent chaque token, soit environ 11 Md paramètres, il génère donc à peu près à la vitesse d’un modèle de cette taille. Tous les experts doivent malgré tout résider en mémoire GPU, d’où des chiffres de mémoire ci-dessous pour le modèle complet. Sa licence (modified-mit) ajoute ses propres conditions : lisez-la avant tout usage commercial.

Paramètres
228,7 Md
Empreinte minimale (INT4)
environ 135 Go
GPU le moins cher par heure (FP16)
2,39 $US
Type
Texte
  • Paramètres 228,7 Md
  • Actifs par token 11 Md
  • Type Texte
  • Tâche text-generation
  • Contexte max. 192K
  • Licence modified-mit
  • Téléchargements 907,6 k
  • J’aime 1,5 k

Calcul pour MiniMax M2.5

Précision
Usage
Plus de réglages
Moteur d’inférence
Requêtes simultanées

MiniMax M2.5 demande environ 506 Go de mémoire GPU

Inférence (vLLM), FP16 / BF16, contexte de 8K tokens, une requête à la fois.

Où va la mémoire

  • Poids 457 Go
  • Cache KV 2,1 Go
  • Surcoût du moteur 47 Go
  • Total 506 Go

Le nombre de GPU laisse 10 % de chaque carte libre pour les pics. Prévoyez davantage si vous attendez de longs prompts ou beaucoup d’utilisateurs en même temps.

Les GPU qui conviennent, du moins cher au plus cherChaque type de GPU suivi capable d’accueillir cette configuration sur un nœud, classé par coût horaire total
RangConfigurationPar GPU / hGPU nécessairesTotal / hTotal / mois (24/7)Fournisseur
13 × MI300X 192GBLa moins chèreCDNA 3 · HBM32,39 $US3vendue avec 4 GPU ; il vous en faut 39,56 $US6 979 $USRunPod (s’ouvre dans un nouvel onglet)4x MI300X
26 × RTX PRO 6000 96GBBlackwell · GDDR71,80 $US6vendue avec 8 GPU ; il vous en faut 614,40 $US10 512 $USNebius (s’ouvre dans un nouvel onglet)8x RTX PRO 6000 96GB
34 × H200 141GBHopper · HBM3e3,79 $US415,16 $US11 067 $USRunPod (s’ouvre dans un nouvel onglet)4x H200 NVL
48 × A100 80GBAmpere · HBM2e2,09 $US816,72 $US12 206 $USRunPod (s’ouvre dans un nouvel onglet)8x A100 PCIe
52 × B300 288GBBlackwell Ultra · HBM3e8,99 $US217,98 $US13 125 $USRunPod (s’ouvre dans un nouvel onglet)2x B300
68 × H100 80GBHopper · HBM32,89 $US823,12 $US16 878 $USRunPod (s’ouvre dans un nouvel onglet)8x H100 PCIe
76 × H100 NVL 94GBHopper · HBM33,19 $US6vendue avec 8 GPU ; il vous en faut 625,52 $US18 630 $USRunPod (s’ouvre dans un nouvel onglet)8x H100 NVL
84 × B200 180GBBlackwell · HBM3e7,79 $US431,16 $US22 747 $USLambda (s’ouvre dans un nouvel onglet)4x B200 SXM6
94 × GB200 186GBBlackwell · HBM3e10,50 $US442,00 $US30 660 $USCoreWeave (s’ouvre dans un nouvel onglet)GB200 NVL72
Plus de 8 : plusieurs nœuds nécessaires: L40S 48GB, RTX 6000 Ada 48GB, RTX A6000 48GB, A40 48GB, A100 40GB, RTX 5090 32GB, RTX 4090 24GB, RTX 3090 24GB, L4 24GB, A10 24GB, T4 16GB, V100 16GB
Coût par cloudOffre la moins chère qui convient, par fournisseur. Approximatif, prix relevés le 16 nov. 2026.
FournisseurInstancePar GPU / hGPU nécessairesTotal / hTotal / mois (24/7)
RunPod (s’ouvre dans un nouvel onglet)La moins chère4x MI300Xus2,39 $US3 × MI300X 192GB vendue avec 4 GPU ; il vous en faut 3environ 9,56 $USenviron 6 979 $US
Nebius (s’ouvre dans un nouvel onglet)8x RTX PRO 6000 96GBeu/us1,80 $US6 × RTX PRO 6000 96GB vendue avec 8 GPU ; il vous en faut 6environ 14,40 $USenviron 10 512 $US
Vast.ai (s’ouvre dans un nouvel onglet)8x RTX PRO 6000 S (median of 4 offers)place de marché mondiale2,23 $US6 × RTX PRO 6000 96GB vendue avec 8 GPU ; il vous en faut 6environ 17,87 $USenviron 13 045 $US
CoreWeave (s’ouvre dans un nouvel onglet)RTX PRO 6000 Blackwell Server Edition (High Memory)us2,50 $US6 × RTX PRO 6000 96GB vendue avec 8 GPU ; il vous en faut 6environ 20,00 $USenviron 14 600 $US
Vultr (s’ouvre dans un nouvel onglet)vbm-112c-2048gb-8-a100-gpu (bare metal)us2,80 $US8 × A100 80GB environ 22,40 $USenviron 16 352 $US
Lambda (s’ouvre dans un nouvel onglet)8x HGX A100us3,19 $US8 × A100 80GB environ 25,52 $USenviron 18 630 $US
AWS (s’ouvre dans un nouvel onglet)p4de.24xlargeus-east-13,43 $US8 × A100 80GB environ 27,45 $USenviron 20 036 $US
Azure (s’ouvre dans un nouvel onglet)ND96amsr_A100_v4eastus4,10 $US8 × A100 80GB environ 32,77 $USenviron 23 922 $US
Google Cloud (s’ouvre dans un nouvel onglet)g4-standard-384us-central14,50 $US6 × RTX PRO 6000 96GB vendue avec 8 GPU ; il vous en faut 6environ 36,00 $USenviron 26 280 $US

Prix relevés le 16 nov. 2026. Tous les coûts sont approximatifs : à la demande, en dollars US, surtout des régions des États-Unis (les places de marché comme Vast.ai et Lium sont mondiales).

Mémoire par précision et par usage

Avec un contexte de 8K tokens et une requête à la fois. LoRA et le fine-tuning complet partent de poids en 16 bits, QLoRA de 4 bits : les autres cases restent vides.
PrécisionInférenceFine-tuning LoRAFine-tuning QLoRAFine-tuning complet
FP16 / BF16506 Go589 Go–4 030 Go
INT8267 Go–––
INT4135 Go–218 Go–

Le GPU le moins cher par précision

Inférence avec un contexte de 8K et une requête à la fois.

FP16 / BF16

environ 506 Go · 8K tokens

Les poids tels que publiés. Aucune perte, mais l’empreinte la plus lourde.

3 × MI300X 192GB

RunPod (s’ouvre dans un nouvel onglet) · 4x MI300X

vendue avec 4 GPU ; il vous en faut 3
Par GPU / h
2,39 $US
GPU nécessaires
3
Total / h
environ 9,56 $US
par mois, 24/7, environ
6 979 $US

INT8

environ 267 Go · 8K tokens

Des poids deux fois plus légers. Pour le chat et le RAG, la différence se voit à peine.

7 × A40 48GB

RunPod (s’ouvre dans un nouvel onglet) · 8x A40

vendue avec 8 GPU ; il vous en faut 7
Par GPU / h
0,59 $US
GPU nécessaires
7
Total / h
environ 4,72 $US
par mois, 24/7, environ
3 446 $US

INT4

environ 135 Go · 8K tokens

Des poids quatre fois plus légers. Les petites pertes apparaissent d’abord en maths et en code.

4 × A40 48GB

RunPod (s’ouvre dans un nouvel onglet) · 4x A40

Par GPU / h
0,59 $US
GPU nécessaires
4
Total / h
environ 2,36 $US
par mois, 24/7, environ
1 723 $US

Inférence ou fine-tuning

  • Inférence (FP16)

    1×

    de la mémoire nécessaire à l’inférence

    506 Go

    3 × MI300X 192GB · environ 9,56 $US

  • Fine-tuning LoRA

    1,2×

    de la mémoire nécessaire à l’inférence

    589 Go

    4 × MI300X 192GB · environ 9,56 $US

  • Fine-tuning QLoRA

    0,4×

    de la mémoire nécessaire à l’inférence

    218 Go

    6 × A40 48GB · environ 4,72 $US

  • Fine-tuning complet

    8×

    de la mémoire nécessaire à l’inférence

    4 030 Go

    plus d’un nœud de 8 GPU

Pour le servir en FP16, 3 × MI300X 192GB (RunPod) suffit. LoRA demande 4 × MI300X 192GB (RunPod), QLoRA 6 × A40 48GB (RunPod) et un fine-tuning complet plus d’un nœud de 8 GPU. L’entraînement garde en mémoire les activations et l’état de l’optimiseur en plus des poids, d’où un besoin fréquent de plus de GPU que pour servir le même modèle.

Fonctionne-t-il sur un Mac ou une seule RTX 4090 ?

RTX 4090 (24 Go)

Pas seule. Même en INT4, il demande environ 135 Go, plus que les 24 Go de la carte. Deux cartes ou plus, ou un GPU de centre de données plus grand, suffisent.

Mac avec puce Apple

Oui, avec assez de mémoire. En INT4, il demande environ 135 Go, donc un Mac avec 192 Go ou plus de mémoire unifiée (macOS en laisse environ les trois quarts au GPU). La génération sera plus lente que sur un GPU de centre de données.

Modèles similaires

Des modèles ouverts de taille comparable.

Calculer un autre modèle

MiniMax M2.5 : questions fréquentes

Combien de VRAM faut-il pour MiniMax M2.5 ?

Environ 506 Go en FP16, 267 Go en INT8 et 135 Go en INT4, avec un contexte de 8K et une requête à la fois. Un contexte plus long et davantage de requêtes en parallèle ajoutent du cache KV.

Quel est le GPU le moins cher pour faire tourner MiniMax M2.5 ?

3 × MI300X 192GB (environ 2,39 $US par GPU / heure; vendue avec 4 GPU ; il vous en faut 3) chez RunPod, pour environ 9,56 $US de l’heure en inférence FP16 / BF16 avec un contexte de 8K. Prix relevés le 16 nov. 2026 ; ils changent souvent.

Peut-on faire le fine-tuning de MiniMax M2.5 sur un seul GPU ?

Pas sur un seul GPU. Même QLoRA demande environ 218 Go, plus que ce que contient un GPU de 80 Go. LoRA demande environ 589 Go et un fine-tuning complet environ 4 030 Go.

Comment ces chiffres sont-ils calculés ?

Les poids correspondent aux paramètres multipliés par les octets par paramètre (2 en FP16, 1 en INT8, 0,5 en INT4). Le cache KV dépend des couches, des têtes KV, de la taille de tête et de la longueur de contexte du modèle. Nous ajoutons environ 10 % plus 1 Go pour le moteur et remplissons chaque GPU à 90 %. Les prix sont les tarifs catalogue à la demande dans les régions des États-Unis, relevés sur la page publique de chaque fournisseur.

MiniMax M2.5 fonctionne-t-il sur un GPU grand public comme la RTX 4090 ?

Pas seule. Même en INT4, il demande environ 135 Go, plus que les 24 Go de la carte. Deux cartes ou plus, ou un GPU de centre de données plus grand, suffisent.

MiniMax M2.5 tient-il sur une seule H100 80 Go ?

Non. Même en INT4, il demande environ 135 Go : il faut plusieurs GPU.

Combien de GPU faut-il pour MiniMax M2.5 ?

En FP16 avec un contexte de 8K : 8 × 80 Go, 12 × 48 Go ou 24 × 24 Go. En INT4, les poids prennent environ le quart de la mémoire.

Combien de VRAM faut-il pour MiniMax M2.5 en INT8 ?

Environ 267 Go : 240 Go pour les poids, 2,1 Go pour un cache KV de 8K et 25 Go de surcoût du moteur.

Combien coûte MiniMax M2.5 en fonctionnement 24/7 pendant un mois ?

Environ 6 979 $US avec la configuration la moins chère que nous avons trouvée (3 × MI300X 192GB (environ 2,39 $US par GPU / heure; vendue avec 4 GPU ; il vous en faut 3), 9,56 $US de l’heure pendant 730 heures). Le moins cher chez AWS, Google Cloud ou Azure revient à environ 20 036 $US par mois.

FP16, INT8 ou INT4 : lequel choisir ?

Le FP16 garde toute la qualité et demande le plus de mémoire (environ 506 Go ici). L’INT8 divise les poids par deux avec peu de perte pour la plupart des usages de chat. L’INT4 (AWQ, GPTQ ou GGUF Q4) les réduit au quart, environ 135 Go au total, avec une légère baisse de qualité, surtout visible en maths et en code.

MiniMax M2.5 fonctionne-t-il sur un Mac ?

Oui, avec assez de mémoire. En INT4, il demande environ 135 Go, donc un Mac avec 192 Go ou plus de mémoire unifiée (macOS en laisse environ les trois quarts au GPU). La génération sera plus lente que sur un GPU de centre de données.

vLLM ou llama.cpp ?

vLLM est conçu pour servir de nombreuses requêtes à la fois sur des GPU NVIDIA et AMD et réserve l’essentiel de la mémoire GPU au cache KV. llama.cpp lit les fichiers GGUF sur presque tout, Mac et CPU compris, et convient à une personne ou à une petite équipe. À précision égale, la mémoire nécessaire est proche.

Prix relevés le 16 nov. 2026. Tous les coûts sont approximatifs : à la demande, en dollars US, surtout des régions des États-Unis (les places de marché comme Vast.ai et Lium sont mondiales).

Notre méthode de calcul

  • Poids. Paramètres multipliés par les octets par paramètre : 2 en FP16, 1 en INT8, 0,5 en INT4, plus environ 5 % pour les échelles de quantification en INT8 et INT4.
  • Cache KV. 2 × couches × têtes KV × taille de tête × contexte × requêtes × 2 octets, d’après le config.json du modèle. Si une valeur manque, nous l’estimons et le signalons.
  • Surcoût. Environ 10 % plus 1 Go pour le moteur, dans la ligne de ce que réserve vLLM.
  • Fine-tuning. LoRA garde des poids en 16 bits et ajoute un petit adaptateur, son optimiseur et les activations. QLoRA fait de même sur des poids en 4 bits. Un fine-tuning complet demande environ 16 octets par paramètre avec Adam en précision mixte (poids, gradients et états de l’optimiseur), plus les activations.
  • GPU. Nous remplissons chaque GPU à 90 % de sa mémoire et nous arrêtons à 8 par nœud. Les coûts sont les prix catalogue à la demande dans les régions des États-Unis ; pour les places de marché, nous montrons l’offre médiane.