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

Hy3 : configuration GPU requise, VRAM et GPU le moins cher

Hy3 compte 298,8 Md paramètres, publiés en BF16. C’est un modèle à mélange d’experts : 8 de ses 192 experts traitent chaque token, soit environ 24,4 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. Il est publié sous apache-2.0, qui autorise l’usage commercial.

Paramètres
298,8 Md
Empreinte minimale (INT4)
environ 177 Go
GPU le moins cher par heure (FP16)
2,39 $US
Type
Texte
  • Paramètres 298,8 Md
  • Actifs par token 24,4 Md
  • Type Texte
  • Tâche text-generation
  • Contexte max. 256K
  • Licence apache-2.0
  • Téléchargements 885,6 k
  • J’aime 994

Calcul pour Hy3

Précision
Usage
Plus de réglages
Moteur d’inférence
Requêtes simultanées

Hy3 demande environ 661 Go de mémoire GPU

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

Où va la mémoire

  • Poids 598 Go
  • Cache KV 2,7 Go
  • Surcoût du moteur 61 Go
  • Total 661 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
14 × MI300X 192GBLa moins chèreCDNA 3 · HBM32,39 $US49,56 $US6 979 $USRunPod (s’ouvre dans un nouvel onglet)4x MI300X
28 × RTX PRO 6000 96GBBlackwell · GDDR71,80 $US814,40 $US10 512 $USNebius (s’ouvre dans un nouvel onglet)8x RTX PRO 6000 96GB
38 × H100 NVL 94GBHopper · HBM33,19 $US825,52 $US18 630 $USRunPod (s’ouvre dans un nouvel onglet)8x H100 NVL
46 × H200 141GBHopper · HBM3e3,79 $US6vendue avec 8 GPU ; il vous en faut 630,32 $US22 134 $USRunPod (s’ouvre dans un nouvel onglet)8x H200 NVL
53 × B300 288GBBlackwell Ultra · HBM3e8,99 $US3vendue avec 4 GPU ; il vous en faut 335,96 $US26 251 $USRunPod (s’ouvre dans un nouvel onglet)4x B300
64 × GB200 186GBBlackwell · HBM3e10,50 $US442,00 $US30 660 $USCoreWeave (s’ouvre dans un nouvel onglet)GB200 NVL72
75 × B200 180GBBlackwell · HBM3e7,69 $US5vendue avec 8 GPU ; il vous en faut 561,52 $US44 910 $USLambda (s’ouvre dans un nouvel onglet)8x HGX B200
Plus de 8 : plusieurs nœuds nécessaires: H100 80GB, A100 80GB, 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 $US4 × MI300X 192GB environ 9,56 $USenviron 6 979 $US
Nebius (s’ouvre dans un nouvel onglet)8x RTX PRO 6000 96GBeu/us1,80 $US8 × RTX PRO 6000 96GB environ 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 $US8 × RTX PRO 6000 96GB environ 17,87 $USenviron 13 045 $US
CoreWeave (s’ouvre dans un nouvel onglet)RTX PRO 6000 Blackwell Server Edition (High Memory)us2,50 $US8 × RTX PRO 6000 96GB environ 20,00 $USenviron 14 600 $US
Vultr (s’ouvre dans un nouvel onglet)vbm-256c-2048gb-8-mi300x-gpu (bare metal)us3,99 $US4 × MI300X 192GB vendue avec 8 GPU ; il vous en faut 4environ 31,92 $USenviron 23 302 $US
AWS (s’ouvre dans un nouvel onglet)g7e.48xlargeus-east-14,14 $US8 × RTX PRO 6000 96GB environ 33,14 $USenviron 24 195 $US
Google Cloud (s’ouvre dans un nouvel onglet)g4-standard-384us-central14,50 $US8 × RTX PRO 6000 96GB environ 36,00 $USenviron 26 280 $US
Lambda (s’ouvre dans un nouvel onglet)8x HGX B200us7,69 $US5 × B200 180GB vendue avec 8 GPU ; il vous en faut 5environ 61,52 $USenviron 44 910 $US
Azure (s’ouvre dans un nouvel onglet)ND128isr_NDR_GB200_v6eastus27,04 $US4 × GB200 186GB environ 108,16 $USenviron 78 957 $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 / BF16661 Go771 Go–5 267 Go
INT8349 Go–––
INT4177 Go–286 Go–

Le GPU le moins cher par précision

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

FP16 / BF16

environ 661 Go · 8K tokens

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

4 × MI300X 192GB

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

Par GPU / h
2,39 $US
GPU nécessaires
4
Total / h
environ 9,56 $US
par mois, 24/7, environ
6 979 $US

INT8

environ 349 Go · 8K tokens

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

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

INT4

environ 177 Go · 8K tokens

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

5 × A40 48GB

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

vendue avec 8 GPU ; il vous en faut 5
Par GPU / h
0,59 $US
GPU nécessaires
5
Total / h
environ 4,72 $US
par mois, 24/7, environ
3 446 $US

Inférence ou fine-tuning

  • Inférence (FP16)

    1×

    de la mémoire nécessaire à l’inférence

    661 Go

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

  • Fine-tuning LoRA

    1,2×

    de la mémoire nécessaire à l’inférence

    771 Go

    5 × MI300X 192GB · environ 19,12 $US

  • Fine-tuning QLoRA

    0,4×

    de la mémoire nécessaire à l’inférence

    286 Go

    7 × A40 48GB · environ 4,72 $US

  • Fine-tuning complet

    8×

    de la mémoire nécessaire à l’inférence

    5 267 Go

    plus d’un nœud de 8 GPU

Pour le servir en FP16, 4 × MI300X 192GB (RunPod) suffit. LoRA demande 5 × MI300X 192GB (RunPod), QLoRA 7 × 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 177 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 177 Go, donc un Mac avec 256 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

Hy3 : questions fréquentes

Combien de VRAM faut-il pour Hy3 ?

Environ 661 Go en FP16, 349 Go en INT8 et 177 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 Hy3 ?

4 × MI300X 192GB (environ 2,39 $US par GPU / heure) 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 Hy3 sur un seul GPU ?

Pas sur un seul GPU. Même QLoRA demande environ 286 Go, plus que ce que contient un GPU de 80 Go. LoRA demande environ 771 Go et un fine-tuning complet environ 5 267 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.

Hy3 fonctionne-t-il sur un GPU grand public comme la RTX 4090 ?

Pas seule. Même en INT4, il demande environ 177 Go, plus que les 24 Go de la carte. Deux cartes ou plus, ou un GPU de centre de données plus grand, suffisent.

Hy3 tient-il sur une seule H100 80 Go ?

Non. Même en INT4, il demande environ 177 Go : il faut plusieurs GPU.

Combien de GPU faut-il pour Hy3 ?

En FP16 avec un contexte de 8K : 10 × 80 Go, 16 × 48 Go ou 31 × 24 Go. En INT4, les poids prennent environ le quart de la mémoire.

Combien de VRAM faut-il pour Hy3 en INT8 ?

Environ 349 Go : 314 Go pour les poids, 2,7 Go pour un cache KV de 8K et 33 Go de surcoût du moteur.

Combien coûte Hy3 en fonctionnement 24/7 pendant un mois ?

Environ 6 979 $US avec la configuration la moins chère que nous avons trouvée (4 × MI300X 192GB (environ 2,39 $US par GPU / heure), 9,56 $US de l’heure pendant 730 heures). Le moins cher chez AWS, Google Cloud ou Azure revient à environ 24 195 $US par mois.

FP16, INT8 ou INT4 : lequel choisir ?

Le FP16 garde toute la qualité et demande le plus de mémoire (environ 661 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 177 Go au total, avec une légère baisse de qualité, surtout visible en maths et en code.

Hy3 fonctionne-t-il sur un Mac ?

Oui, avec assez de mémoire. En INT4, il demande environ 177 Go, donc un Mac avec 256 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.