Arrakis / Modèles / Hy3

Besoins GPU de Hy3

Hy3 compte 299B paramètres. Pour le servir, prévoyez environ 717 Go de mémoire GPU en 16 bits, 359 Go en 8 bits ou 179 Go en 4 bits, dont environ 20 % pour le cache KV et les activations.

C’est un modèle à mélange d’experts : 192 experts, dont 8 actifs pour chaque token. Tous restent en mémoire GPU : prévoyez la mémoire pour l’ensemble des 299B 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.

Précision	Mémoire et plus petite configuration
16 bits	717 Go : 4 × B200, à partir de 25,32 $ de l’heure pour les 4
8 bits	359 Go : 2 × B200, à partir de 12,66 $ de l’heure pour les 2
4 bits	179 Go : un B200, à partir de 6,33 $ 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.

Méthode	Mémoire et plus petite configuration
QLoRA	209 Go : un B300, à partir de 4,60 $ par heure de GPU
LoRA	717 Go : 4 × B200, à partir de 25,32 $ de l’heure pour les 4
Fine-tuning complet	4 781 Go : plus d’une machine à 8 GPU

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: 299B
Experts: 192
Experts par token: 8
Fenêtre de contexte (tokens): 262,144
Publié en: BF16
Licence: apache-2.0
Date de publication: 2026-07-02
Poids: tencent/Hy3

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 tencent/Hy3 --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 Hy3 a-t-il besoin ?

Pour le servir, environ 717 Go en 16 bits, 359 Go en 8 bits et 179 Go en 4 bits, dont environ 20 % pour le cache KV et les activations. Pour l’affiner, environ 209 Go avec QLoRA, 717 Go avec LoRA et 4 781 Go pour un fine-tuning complet avec Adam, hors activations.

Puis-je faire tourner Hy3 sur un seul GPU ?

Oui, quantifié. En 4 bits, il lui faut environ 179 Go, ce qui tient sur un B200. En 16 bits, il lui faut 4 GPU B200.

Combien coûte l’exécution de Hy3 ?

En 16 bits, il lui faut 4 GPU B200 ; en 4 bits, un B200. 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 Hy3 sur Arrakis ?

Ouvrez Models dans la console Arrakis, collez tencent/Hy3, 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.