# Besoins GPU de InternVL3_5-GPT-OSS-20B-A4B-Preview-HF

InternVL3_5-GPT-OSS-20B-A4B-Preview-HF compte 21B paramètres. Pour le servir, prévoyez environ 51 Go de mémoire GPU en 16 bits, 25 Go en 8 bits ou 13 Go en 4 bits, dont environ 20 % pour le cache KV et les activations.

C’est un modèle à mélange d’experts : 32 experts, dont 4 actifs pour chaque token. Tous restent en mémoire GPU : prévoyez la mémoire pour l’ensemble des 21B paramètres.

[Déployez-le sur Arrakis](/console/#/models?model=OpenGVLab/InternVL3_5-GPT-OSS-20B-A4B-Preview-HF).

## Ce qu’il faut pour le servir

| Précision | Mémoire et plus petite configuration |
|---|---|
| 16 bits | 51 Go : un [H100](/fr/gpus/h100.html.md) ou [A100](/fr/gpus/a100.html.md), la H100 à partir de 2,25 $ par heure de GPU |
| 8 bits | 25 Go : un [RTX 5090](/fr/gpus/rtx-5090.html.md), à partir de 0,58 $ par heure de GPU |
| 4 bits | 13 Go : un [RTX 4090](/fr/gpus/rtx-4090.html.md) ou [RTX 3090](/fr/gpus/rtx-3090.html.md), la RTX 3090 à partir de 0,19 $ par heure de GPU |

## Ce qu’il faut pour l’affiner

| Méthode | Mémoire et plus petite configuration |
|---|---|
| QLoRA | 15 Go : un [RTX 4090](/fr/gpus/rtx-4090.html.md) ou [RTX 3090](/fr/gpus/rtx-3090.html.md), la RTX 3090 à partir de 0,19 $ par heure de GPU |
| LoRA | 51 Go : un [H100](/fr/gpus/h100.html.md) ou [A100](/fr/gpus/a100.html.md), la H100 à partir de 2,25 $ par heure de GPU |
| Fine-tuning complet | 340 Go : 2 × [B200](/fr/gpus/b200.html.md), à partir de 13,58 $ de l’heure pour les 2 |

## À propos du modèle

| | |
|---|---|
| Paramètres | `21B` |
| Actifs par token | `4B` |
| Experts | `32` |
| Experts par token | `4` |
| Fenêtre de contexte (tokens) | `131,072` |
| Publié en | `BF16` |
| Licence | `apache-2.0` |
| Date de publication | `2025-08-29` |
| Poids | [OpenGVLab/InternVL3_5-GPT-OSS-20B-A4B-Preview-HF](https://huggingface.co/OpenGVLab/InternVL3_5-GPT-OSS-20B-A4B-Preview-HF) |

## Servez-le vous-même

```
vllm serve OpenGVLab/InternVL3_5-GPT-OSS-20B-A4B-Preview-HF --tensor-parallel-size 1
```

## Questions

**De combien de mémoire GPU InternVL3_5-GPT-OSS-20B-A4B-Preview-HF a-t-il besoin ?** Pour le servir, environ 51 Go en 16 bits, 25 Go en 8 bits et 13 Go en 4 bits, dont environ 20 % pour le cache KV et les activations. Pour l’affiner, environ 15 Go avec QLoRA, 51 Go avec LoRA et 340 Go pour un fine-tuning complet avec Adam, hors activations.

**Puis-je faire tourner InternVL3_5-GPT-OSS-20B-A4B-Preview-HF sur un seul GPU ?** Oui. En 16 bits, il lui faut environ 51 Go, ce qui tient sur un H100 ou A100.

**Combien coûte l’exécution de InternVL3_5-GPT-OSS-20B-A4B-Preview-HF ?** En 16 bits, il lui faut un H100 ou A100 ; en 4 bits, un RTX 4090 ou RTX 3090. Chaque configuration de cette page affiche le prix le plus bas par heure de GPU sur Arrakis en ce moment, et vous payez à l’heure depuis un solde prépayé.

**Comment déployer InternVL3_5-GPT-OSS-20B-A4B-Preview-HF sur Arrakis ?** Ouvrez Models dans la console Arrakis, collez OpenGVLab/InternVL3_5-GPT-OSS-20B-A4B-Preview-HF, choisissez vLLM, SGLang ou llama.cpp, et louez un GPU sur lequel il tient. Vous obtenez un endpoint compatible OpenAI avec sa propre clé d’API, et un accès SSH root à la machine.


Plus de modèles : [/models](/fr/models.html.md).