arrakis
FR
Se connecter Commencer à louer
Menu

Arrakis / Modèles / Qwen3.5-122B-A10B

Besoins GPU de Qwen3.5-122B-A10B

Qwen3.5-122B-A10B compte 125B paramètres. Pour le servir, prévoyez environ 300 Go de mémoire GPU en 16 bits, 150 Go en 8 bits ou 75 Go en 4 bits, dont environ 20 % pour le cache KV et les activations.

C’est un modèle à mélange d’experts : 256 experts, dont 8 actifs pour chaque token. Tous restent en mémoire GPU : prévoyez la mémoire pour l’ensemble des 125B paramètres.

Déployer ce modèle Vérifier un autre modèle

Ce qu’il faut pour le servir

La mémoire GPU pour le faire tourner en inférence, avec la plus petite configuration GPU qui le contient et le prix le plus bas sur Arrakis en ce moment.

PrécisionMémoire et plus petite configuration
16 bits300 Go : 4 × H100, à partir de 8,28 $ de l’heure pour les 4
8 bits150 Go : un B200, à partir de 6,33 $ par heure de GPU
4 bits75 Go : un H100 ou A100, la H100 à partir de 2,07 $ par heure de GPU

Ce qu’il faut pour l’affiner

QLoRA entraîne des adaptateurs sur un modèle figé en 4 bits, LoRA sur un modèle en 16 bits, et le fine-tuning complet met à jour tous les poids. Les chiffres s’entendent hors activations, qui augmentent avec la taille des lots et la longueur des séquences.

MéthodeMémoire et plus petite configuration
QLoRA88 Go : un RTX PRO 6000, à partir de 1,90 $ par heure de GPU
LoRA300 Go : 4 × H100, à partir de 8,28 $ de l’heure pour les 4
Fine-tuning complet2 001 Go : 8 × B300, à partir de 36,80 $ de l’heure pour les 8

À propos du modèle

D’après sa fiche et ses fichiers sur Hugging Face. Les chiffres de mémoire suivent le guide de la mémoire GPU.

Paramètres
125B
Actifs par token
10B
Experts
256
Experts par token
8
Fenêtre de contexte (tokens)
262,144
Publié en
BF16
Licence
apache-2.0
Date de publication
2026-02-24
Poids
Qwen/Qwen3.5-122B-A10B

Déployez-le sur Arrakis

Ouvrez Models dans la console, 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. Ou faites-le tourner vous-même sur n’importe quelle machine avec assez de mémoire GPU :

vLLM
vllm serve Qwen/Qwen3.5-122B-A10B --tensor-parallel-size 4
Déployer ce modèle Comment fonctionne le déploiement

Questions

Les prix en temps réel de tous les GPU sont sur la page Prix des GPU.

De combien de mémoire GPU Qwen3.5-122B-A10B a-t-il besoin ?
Pour le servir, environ 300 Go en 16 bits, 150 Go en 8 bits et 75 Go en 4 bits, dont environ 20 % pour le cache KV et les activations. Pour l’affiner, environ 88 Go avec QLoRA, 300 Go avec LoRA et 2 001 Go pour un fine-tuning complet avec Adam, hors activations.
Puis-je faire tourner Qwen3.5-122B-A10B sur un seul GPU ?
Oui, quantifié. En 8 bits, il lui faut environ 150 Go, ce qui tient sur un B200. En 16 bits, il lui faut 4 GPU H100.
Combien coûte l’exécution de Qwen3.5-122B-A10B ?
En 16 bits, il lui faut 4 GPU H100 ; en 4 bits, un H100 ou A100. 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 Qwen3.5-122B-A10B sur Arrakis ?
Ouvrez Models dans la console Arrakis, collez Qwen/Qwen3.5-122B-A10B, 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

Tous les modèles, et une vérification pour n’importe quel autre.