V LLMVRAMCalc
EN中文ESDE
Rechner › Llama 4 Scout 17B-16E (109B) › DGX Spark (GB10 128GB)

Llama 4 Scout 17B-16E (109B) auf DGX Spark (GB10 128GB) (128GB) — VRAM, KV-Cache & Token/s

Llama 4 Scout 17B-16E (109B) (109B gesamt, 17.2B aktiv, Sparse MoE + GQA) benötigt 61.95 GiB für 4-Bit-Gewichte (Q4_K_M), 64.01 GiB gesamt bei 8K Kontext und 68.51 GiB bei 32K auf DGX Spark (GB10 128GB) (~13.8 tok/s).

Interaktiver Dimensionierungs-Konfigurator

Vollständigen Bericht öffnen →
128 GB · 273 GB/s
Passt mit sicherer Reserve
Aus config.json abgeleitet HF config.json ↗
Speicheraufteilung im Detail (GiB) 64.01 GiB (68.73 GB) / 128 GiB (50%)
Modellgewichte: 61.95 GiB KV-Cache & Zustand: 1.5 GiB Engine- & Aktivierungspuffer: 0.56 GiB System-RAM-Offload (CPU): 0 GiB
Benötigter GPU-Speicher
64.01 GiB
68.73 GB (dezimal)
Nutzbarer Hardware-Speicher
99.8 GiB
128 GB (physisch)
Sicherheitsreserve
+35.79 GiB
50% Auslastung
Geschätzter Decode-Durchsatz
~13.8 tok/s
17.2B aktive Parameter
Geschätzter Prefill-Durchsatz
~3052 tok/s
4K-Prompt TTFT: ~1342 ms
Kosten / 1 Mio. Tokens
$8.90
Sparse MoE + GQA · Llama 4

Empfohlene Hardware für diese Konfiguration

Beste Einzel-GPU
RTX PRO 6000 Blackwell (96GB)
~$8,500
Preis-Leistungs- / Gebraucht-GPU
2x A100 80GB SXM
160GB · ~$24,000
Apple Unified Memory
Ryzen AI Max+ 395 128GB
~$1,999
Cloud ab
Vast.ai · $0.44 / Std.
1x A100 80GB SXM

Produktionsreife Startbefehle

llama.cpp (GGUF) 
llama-server -hf unsloth/Llama-4-Scout-17B-16E-Instruct-GGUF:Q4_K_M \
  --ctx-size 8192 -ngl 999 --flash-attn
vLLM 
vllm serve meta-llama/Llama-4-Scout-17B-16E-Instruct \
  --max-model-len 8192 --gpu-memory-utilization 0.92
Echtzeit-Token-Geschwindigkeitssimulator (TTFT ~1342ms · ~13.8 tok/s)
[Llama 4 Scout 17B-16E (109B) · 64.01 GiB] auf Ziel-GPU reserviert. Prefill abgeschlossen; generiere Token in Echtzeit mit der berechneten Rate...

Cloud-GPU-Preisvergleich & Mieten-vs.-Kaufen-TCO

Verifizierte öffentliche Tarife von RunPod, Vast.ai, Vultr und DigitalOcean.

Geprüft am: 2026-11-05
Kauf-Amortisation
~64.4 Monate
Geschätzte Stromkosten: $12.77 / Monat
Anbieter Empfohlene Instanz Gesamt-VRAM Stundensatz Monatlich (bei Auswahl) Abrechnungsmodell Starten
RunPod 1x A100 80GB SXM (Community Cloud · PCIe) 80 GB $1.19 / Std. $144.70 / Monat Sekundengenau GPU starten ↗
Vast.ai 1x A100 80GB SXM (Verifizierter Host · SXM4) 80 GB $0.44 / Std. $53.75 / Monat Spot / On-Demand GPU starten ↗
Vultr ($300 Free Credit*) 1x A100 80GB SXM (Dedizierte Instanz · $300 Credit*) 80 GB $2.40 / Std. $291.48 / Monat Stündlich GPU starten ↗
Vultr Cloud GPU 1x A100 80GB SXM (Dedizierte Instanz) 80 GB $2.40 / Std. $291.48 / Monat Stündlich GPU starten ↗
DigitalOcean 1x Instinct MI300X 192GB (Dedizierte Instanz) 192 GB $2.59 / Std. $314.94 / Monat Sekundengenau GPU starten ↗

Preise entsprechen den öffentlichen Tarifen am Prüfdatum und variieren je nach Region und Verfügbarkeit.

Fine-Tuning VRAM-Bedarf (QLoRA / LoRA / Voll) — Llama 4 Scout 17B-16E (109B)

QLoRA (4b) Passt mit sicherer Reserve
65.47 GiB
Modellgewichte: 61.95 GiB · Gradienten + Optimizer: 2.41 GiB · Act: 1.11 GiB
Empfohlene GPU: RTX PRO 6000 Blackwell (96GB)
LoRA (16b) Überschreitet verfügbaren GPU-Speicher
208.29 GiB
Modellgewichte: 203.03 GiB · Gradienten + Optimizer: 3.78 GiB · Act: 1.48 GiB
Empfohlene GPU: Instinct MI325X 256GB (256GB)
Voll-FT Überschreitet verfügbaren GPU-Speicher
835.02 GiB
Modellgewichte: 203.03 GiB · Gradienten + Optimizer: 629.39 GiB · Act: 2.6 GiB
Empfohlene GPU: 8x H200 141GB SXM (1128GB)

Engineering-Diagnose & Optimierungsleitfaden

Schnelles Hardware-Fazit

Die DGX Spark (GB10 128GB) (128GB physisch, 99.8 GiB nutzbar) führt Llama 4 Scout 17B-16E (109B) in 4-Bit (Q4_K_M) bei 8K Kontext mit 64.01 GiB und 35.79 GiB Reserve stabil aus (~13.8 tok/s).

KV-Cache- & Engine-Tuning

Llama 4 Scout 17B-16E (109B) nutzt Sparse MoE + GQA (109B gesamt, 17.2B aktiv pro Token). Zwischen 8K und 32K Kontext steigt der FP16-KV-Cache von 1.5 GiB auf 6 GiB; mit FP8/Q8_0-KV-Quantisierung sparen Sie bei 32K 3 GiB (gesamt 65.51 GiB).

VRAM-Skalierung nach Kontextfenster (4K bis 128K, 4-Bit-Gewichte)

Llama 4 Scout 17B-16E (109B) VRAM scaling from 4K to 128K context (4K: 63.26 GiB, 8K: 64.01 GiB, 32K: 68.51 GiB, 128K: 86.51 GiB) 4K 63.26 GiB (KV 0.75 GiB) 8K 64.01 GiB (KV 1.5 GiB) 32K 68.51 GiB (KV 6 GiB) 128K 86.51 GiB (KV 24 GiB) DGX Spark (GB10 128GB) (128GB)
Die Modellgewichte bleiben konstant, während der Attention-KV-Cache mit der Kontextlänge wächst.

Quantisierungs-, Speicher- & Durchsatzmatrix — Llama 4 Scout 17B-16E (109B) @ 8K

Quantisierungsformat Gewichte (GiB) KV-Cache Gesamt-VRAM (GiB) Decode-Tempo Kompatibilität (DGX Spark (GB10 128GB)) Empfohlene GPU Datenquelle
Native Gewichte (BF16 / FP8 / MXFP4 — Verlustfrei) (BF16) 203.03 GiB 1.5 GiB 205.09 GiB (220.21 GB) ~2.6 tok/s Überschreitet verfügbaren GPU-Speicher Instinct MI325X 256GB (256GB) Offizielle Checkpoint-Größe
FP8 / GGUF Q8_0 (8-Bit — Nahezu Verlustfrei) (Q8_0) 107.86 GiB 1.5 GiB 109.92 GiB (118.03 GB) ~8.2 tok/s Knappe Reserve (<8% Puffer) Instinct MI300X 192GB (192GB) Aus config.json abgeleitet
GGUF Q6_K (6-Bit — Hohe Präzision) (Q6_K) 83.24 GiB 1.5 GiB 85.3 GiB (91.59 GB) ~10.5 tok/s Passt mit sicherer Reserve RTX PRO 6000 Blackwell (96GB) Aus config.json abgeleitet
GGUF Q5_K_M (5-Bit — Ausgewogen) (Q5_K_M) 72.41 GiB 1.5 GiB 74.47 GiB (79.96 GB) ~11.9 tok/s Passt mit sicherer Reserve RTX PRO 6000 Blackwell (96GB) Aus config.json abgeleitet
Q4_K_M / UD-Q4_K_XL / AWQ (4-Bit — Empfohlen) (Q4_K_M) 61.95 GiB 1.5 GiB 64.01 GiB (68.73 GB) ~13.8 tok/s Passt mit sicherer Reserve RTX PRO 6000 Blackwell (96GB) Aus config.json abgeleitet
GGUF IQ4_XS (4.25-Bit — Kompakt) (IQ4_XS) 54.23 GiB 1.5 GiB 56.29 GiB (60.44 GB) ~15.7 tok/s Passt mit sicherer Reserve RTX PRO 6000 Blackwell (96GB) Aus config.json abgeleitet
GGUF Q3_K_M (3-Bit — Wenig VRAM) (Q3_K_M) 49.88 GiB 1.5 GiB 51.94 GiB (55.77 GB) ~16.9 tok/s Passt mit sicherer Reserve RTX PRO 6000 Blackwell (96GB) Aus config.json abgeleitet
GGUF UD-Q2_K_XL (2-Bit — MoE Extrem) (UD-Q2_K_XL) 35.32 GiB 1.5 GiB 37.38 GiB (40.14 GB) ~23.1 tok/s Passt mit sicherer Reserve A40 48GB (48GB) Aus config.json abgeleitet

Technische Spezifikationen & Häufige Fragen (FAQ)

Kann die DGX Spark (GB10 128GB) (128GB) Llama 4 Scout 17B-16E (109B) ausführen?

In 4-Bit (Q4_K_M) bei 8K Kontext benötigt Llama 4 Scout 17B-16E (109B) insgesamt 64.01 GiB VRAM (61.95 GiB Gewichte + 1.5 GiB KV-Cache + 0.56 GiB Puffer) bei 99.8 GiB nutzbarem Speicher auf der DGX Spark (GB10 128GB) (~13.8 tok/s Decode).

Wie viel VRAM benötigt Llama 4 Scout 17B-16E (109B) bei 32K Kontextlänge?

Bei 32.768 Tokens Kontextfenster belegt der KV-Cache 6 GiB, womit der gesamte 4-Bit-VRAM-Bedarf auf 68.51 GiB (73.56 GB dezimal) steigt.

Dieses Modell auf anderen GPUs testen

RTX 3060 12GB (12GB)RTX 4060 Ti 16GB (16GB)RTX 5060 Ti 16GB (16GB)RTX 4070 Ti Super (16GB)RTX 4080 Super (16GB)RTX 5070 12GB (12GB)RTX 5070 Ti (16GB)RTX 5080 (16GB)RTX 3090 (24GB)RTX 4090 (24GB)RTX 4090 D (24GB)RTX 5090 (32GB)RTX 5090 D (32GB)RTX A6000 (48GB)RTX 6000 Ada (48GB)RTX PRO 6000 Blackwell (96GB)L4 24GB (24GB)A40 48GB (48GB)L20 48GB (48GB)L40S 48GB (48GB)A800 80GB SXM (80GB)A100 80GB SXM (80GB)H800 80GB SXM (80GB)H100 80GB SXM (80GB)H20 96GB HBM3 (96GB)H20 141GB HBM3e (141GB)H200 141GB SXM (141GB)B200 180GB (180GB)B300 288GB Blackwell Ultra (288GB)Ascend 910B 64GB (昇腾) (64GB)Ascend 910C 128GB (昇腾) (128GB)Atlas 300I Duo 96GB (310P) (96GB)MLU590 80GB (寒武纪思元) (80GB)DCU K100-AI 64GB (海光深算) (64GB)MetaX C500 64GB (沐曦曦云) (64GB)Kunlunxin P800 64GB (昆仑芯) (64GB)MTT S4000 48GB (摩尔线程) (48GB)Radeon RX 7900 XTX 24GB (24GB)Radeon AI PRO R9700 32GB (32GB)Ryzen AI Max+ 395 128GB (128GB)Instinct MI300X 192GB (192GB)Instinct MI325X 256GB (256GB)Instinct MI355X 288GB (288GB)Arc Pro B60 24GB (24GB)Gaudi 3 128GB HBM2e (128GB)Mac mini M4 Pro 64GB (64GB)MacBook Pro M4 Max 128GB (128GB)Mac Studio M4 Ultra 256GB (256GB)Mac Studio M3 Ultra 512GB (512GB)

Weitere Modelle auf dieser Hardware testen

Qwen3.8 Flash Next (125B-A6B)Qwen3.8 27BQwen3.8 2.4T-A95BQwen3.6 35B-A3BQwen3.5 397B-A17BQwen3.5 122B-A10BQwen3.5 35B-A3BQwen3.5 27BQwen3.5 9BQwen3.5 4BQwen3 Coder 480B-A35BQwen3 Coder Next 80B-A3BQwen3 Coder 30B-A3BQwen3 30B-A3B Instruct 2507Qwen3 235B-A22B Instruct 2507Qwen3 32BQwen3 14BQwen3 8BQwen3 4B Instruct 2507Qwen3 1.7BQwen3 0.6BQwen2.5 72B InstructQwen2.5 Coder 32B InstructQwQ 32B ReasoningDeepSeek V4.1 Flash (552B-A16B)DeepSeek V4 FlashDeepSeek V3.2 (685B)DeepSeek R1-0528 671BDeepSeek V3-0324 671BDeepSeek R1 Distill Llama 70BDeepSeek R1 Distill Qwen 32BDeepSeek R1 Distill Qwen 14BDeepSeek R1 Distill Llama 8Bgpt-oss-20bgpt-oss-120bGemma 4 31B ITGemma 4 26B-A4B ITGemma 4 12B ITGemma 4 E4B ITGemma 4 E2B ITGemma 3 27B ITGemma 3 12B ITGemma 3 4B ITGLM-5.3 Flash (320B-A18B)GLM-5.3 (753B)GLM-5 (744B)GLM-4.5 (355B-A32B)GLM-4.5 Air (110B-A12B)GLM-4 32B-0414Kimi K3.1 Pro (2.8T-A104B)Kimi K3 (2.8T-A104B)Kimi K2 Instruct (1T-A32B)Kimi-Dev 72BMiniMax M3.1 Flash (428B-A23B)MiniMax M2.5 (229B-A10B)Step-5 Preview (600B-A27B)Step-3.7 Flash (198B-A11B)Step-3.5 Flash (197B-A11B)ERNIE 4.5 300B-A47B (文心)ERNIE 4.5 21B-A3B (文心)Hunyuan A13B Instruct (混元 80B)MiniCPM5 2B (面壁)Llama 4 Maverick 17B-128E (400B)Llama 3.1 405B InstructLlama 3.3 70B InstructLlama 3.1 8B InstructLlama 3.2 3B InstructMistral Large 4 (1T-A52B)Mistral Large 2 123BMixtral 8x22B InstructMixtral 8x7B InstructMistral Small 3.2 24BDevstral Small 24BNemotron 3 Ultra 550B-A55BNemotron 3 Super 120B-A12BNemotron 3 Nano 30B-A3BCohere Command A 111BPhi-4 14BLiquid LFM3 1.7B