Hardware Match

Quel modèle pour 2 × H100 · 160 Go ?

160 Go utilisables pour le modèle. 99 modèles open-weight tiennent en mémoire.

La marge sert au contexte : comptez ~1 Go par 8k tokens pour un modèle 7B. Une marge faible = contexte court.

Débloqué par cette config

Ces modèles ne tiennent sur aucune config plus petite du catalogue (la précédente offre 144 Go utiles), même dans leur quantization la plus légère.

Modèle	Elo	Quantization	RAM requise	Marge	Confort mémoire	Lancer
Qwen3 235B-A22BAlibaba · 235B	1375	Q4_K_M	149 Go	+11 Go	juste	ollama run qwen3:235b

Tiennent aussi sur une config plus petite

Modèle	Elo	Quantization	RAM requise	Marge	Confort mémoire	Lancer
Gemma 4 31BGoogle · 31B	1452	FP16	70 Go	+90 Go	confortable	Hugging Face ↗
Gemma 4 26B-A4BGoogle · 26B	1438	FP16	59 Go	+101 Go	confortable	Hugging Face ↗
Qwen3.8 27BAlibaba · 27B	1438	FP16	61 Go	+99 Go	confortable	Hugging Face ↗
Mistral Medium 3.5Mistral AI · 128B	1426	Q8_0	153 Go	+7 Go	juste	Hugging Face ↗
GLM-4.5 AirZ.ai · 106B	1373	Q8_0	127 Go	+33 Go	juste	Hugging Face ↗
Gemma 3 27BGoogle · 27B	1365	Q4_K_MFP16 tient aussi · 61 Go	19 Go	+141 Go	confortable	ollama run gemma3:27b
Nemotron 3 Super 120B-A12BNVIDIA · 120B	1360	Q8_0	143 Go	+17 Go	juste	Hugging Face ↗
Mistral Small 3.2Mistral AI · 24B	1356	Q4_K_MFP16 tient aussi · 55 Go	17 Go	+143 Go	confortable	ollama run mistral-small3.2
gpt-oss-120bOpenAI · 117B	1352	MXFP4	73 Go	+87 Go	confortable	ollama run gpt-oss:120b
Qwen3 32BAlibaba · 32.8B	1347	Q4_K_MFP16 tient aussi · 74 Go	23 Go	+137 Go	confortable	ollama run qwen3:32b
Gemma 3 12BGoogle · 12B	1342	Q4_K_MFP16 tient aussi · 28 Go	9 Go	+151 Go	confortable	ollama run gemma3:12b
QwQ 32BAlibaba · 32.8B	1336	Q4_K_MFP16 tient aussi · 74 Go	23 Go	+137 Go	confortable	ollama run qwq
Llama 4 ScoutMeta · 109B	1322	Q4_K_MQ8_0 tient aussi · 130 Go	70 Go	+90 Go	confortable	ollama run llama4:scout
Gemma 3n E4BGoogle · 4B	1318	Q4_K_MFP16 tient aussi · 11 Go	5 Go	+155 Go	confortable	ollama run gemma3n:e4b
Llama 3.3 70BMeta · 70.6B	1318	Q4_K_MFP16 tient aussi · 157 Go	46 Go	+114 Go	confortable	ollama run llama3.3:70b
gpt-oss-20bOpenAI · 21B	1317	MXFP4	17 Go	+143 Go	confortable	ollama run gpt-oss:20b
Nemotron 3 Nano 30B-A3BNVIDIA · 30B	1314	FP16	68 Go	+92 Go	confortable	Hugging Face ↗
Granite 4.1 8BIBM · 8B	1304	FP16	20 Go	+140 Go	confortable	Hugging Face ↗
Gemma 3 4BGoogle · 4B	1303	Q4_K_MFP16 tient aussi · 11 Go	5 Go	+155 Go	confortable	ollama run gemma3:4b
Qwen2.5 72BAlibaba · 72.7B	1303	Q4_K_MQ8_0 tient aussi · 88 Go	48 Go	+112 Go	confortable	ollama run qwen2.5:72b
Llama 3.1 Nemotron 70BNVIDIA · 70.6B	1299	Q4_K_MFP16 tient aussi · 157 Go	46 Go	+114 Go	confortable	ollama run nemotron:70b
Qwen2.5-Coder 32BAlibaba · 32.8B	1271	Q4_K_MFP16 tient aussi · 74 Go	23 Go	+137 Go	confortable	ollama run qwen2.5-coder:32b
Aya Expanse 32BCohere · 32.3B	1267	Q4_K_MFP16 tient aussi · 73 Go	22 Go	+138 Go	confortable	ollama run aya-expanse:32b
Command R+Cohere · 104B	1262	Q4_K_MQ8_0 tient aussi · 124 Go	67 Go	+93 Go	confortable	ollama run command-r-plus
Phi-4Microsoft · 14.7B	1256	Q4_K_MFP16 tient aussi · 34 Go	11 Go	+149 Go	confortable	ollama run phi4
Phi-4 ReasoningMicrosoft · 14.7B	1256	Q4_K_MFP16 tient aussi · 34 Go	11 Go	+149 Go	confortable	ollama run phi4-reasoning
OLMo 2 32BAllen AI · 32B	1252	FP16	72 Go	+88 Go	confortable	Hugging Face ↗
CodestralMistral AI · 22.2B	1240	Q4_K_MFP16 tient aussi · 51 Go	16 Go	+144 Go	confortable	ollama run codestral
Ministral 8BMistral AI · 8.02B	1238	FP16	20 Go	+140 Go	confortable	Hugging Face ↗
Llama 3.1 8BMeta · 8.03B	1211	Q4_K_MFP16 tient aussi · 20 Go	7 Go	+153 Go	confortable	ollama run llama3.1:8b
Mixtral 8x7BMistral AI · 46.7B	1197	Q4_K_MFP16 tient aussi · 105 Go	31 Go	+129 Go	confortable	ollama run mixtral:8x7b
Llama 3.2 3BMeta · 3.21B	1167	Q4_K_MFP16 tient aussi · 9 Go	4 Go	+156 Go	confortable	ollama run llama3.2:3b
Llama 3.2 1BMeta · 1.24B	1111	Q4_K_MFP16 tient aussi · 5 Go	3 Go	+157 Go	confortable	ollama run llama3.2:1b
Mistral 7BMistral AI · 7.25B	1110	Q4_K_MFP16 tient aussi · 18 Go	7 Go	+153 Go	confortable	ollama run mistral:7b

Pas encore classés par l’Arena

Aucun Elo Arena rattaché : sortie récente, modèle absent de l’Arena, ou correspondance pas encore faite de notre côté.

Modèle	Elo	Quantization	RAM requise	Marge	Confort mémoire	Lancer
Qwen3 0.6BAlibaba · 0.6B	—	Q4_K_MFP16 tient aussi · 3 Go	2 Go	+158 Go	confortable	ollama run qwen3:0.6b
Gemma 3 1BGoogle · 1B	—	Q4_K_MFP16 tient aussi · 4 Go	3 Go	+157 Go	confortable	ollama run gemma3:1b
Phi-4 MiniMicrosoft · 3.8B	—	Q4_K_MFP16 tient aussi · 10 Go	4 Go	+156 Go	confortable	ollama run phi4-mini
Qwen3 4BAlibaba · 4.02B	—	Q4_K_MFP16 tient aussi · 11 Go	5 Go	+155 Go	confortable	ollama run qwen3:4b
Gemma 4 E2BGoogle · 2B	—	FP16	6 Go	+154 Go	confortable	Hugging Face ↗
CodeGemma 7BGoogle · 8.5B	—	Q4_K_MFP16 tient aussi · 21 Go	7 Go	+153 Go	confortable	ollama run codegemma
Command R7BCohere · 8B	—	Q4_K_MFP16 tient aussi · 20 Go	7 Go	+153 Go	confortable	ollama run command-r7b
DeepSeek-R1 Distill 8BDeepSeek · 8.03B	—	Q4_K_MFP16 tient aussi · 20 Go	7 Go	+153 Go	confortable	ollama run deepseek-r1:8b
Granite 3.3 8BIBM · 8.1B	—	Q4_K_MFP16 tient aussi · 20 Go	7 Go	+153 Go	confortable	ollama run granite3.3:8b
Hermes 3 8BNous Research · 8.03B	—	Q4_K_MFP16 tient aussi · 20 Go	7 Go	+153 Go	confortable	ollama run hermes3:8b
MiniCPM5-2BOpenBMB · 2.5B	—	FP16	7 Go	+153 Go	confortable	Hugging Face ↗
Qwen3 8BAlibaba · 8.2B	—	Q4_K_MFP16 tient aussi · 20 Go	7 Go	+153 Go	confortable	ollama run qwen3:8b
Falcon 3 10BTII · 10.3B	—	Q4_K_MFP16 tient aussi · 25 Go	8 Go	+152 Go	confortable	ollama run falcon3:10b
Granite 4.1 3BIBM · 3B	—	FP16	9 Go	+151 Go	confortable	Hugging Face ↗
Ministral 3 3BMistral AI · 3B	—	FP16	9 Go	+151 Go	confortable	Hugging Face ↗
SmolLM3 3BHugging Face · 3.1B	—	FP16	9 Go	+151 Go	confortable	Hugging Face ↗
Mistral Nemo 12BMistral AI · 12.2B	—	Q4_K_MFP16 tient aussi · 29 Go	10 Go	+150 Go	confortable	ollama run mistral-nemo
Gemma 4 E4BGoogle · 4B	—	FP16	11 Go	+149 Go	confortable	Hugging Face ↗
Qwen3 14BAlibaba · 14.8B	—	Q4_K_MFP16 tient aussi · 35 Go	11 Go	+149 Go	confortable	ollama run qwen3:14b
DeepSeek-Coder-V2 LiteDeepSeek · 15.7B	—	Q4_K_MFP16 tient aussi · 37 Go	12 Go	+148 Go	confortable	ollama run deepseek-coder-v2:16b
StarCoder 2BigCode · 16B	—	Q4_K_MFP16 tient aussi · 37 Go	12 Go	+148 Go	confortable	ollama run starcoder2:15b
Devstral SmallMistral AI · 24B	—	Q4_K_MFP16 tient aussi · 55 Go	17 Go	+143 Go	confortable	ollama run devstral
Lucie 7BOpenLLM France · 6.7B	—	FP16	17 Go	+143 Go	confortable	Hugging Face ↗
Magistral SmallMistral AI · 24B	—	Q4_K_MFP16 tient aussi · 55 Go	17 Go	+143 Go	confortable	ollama run magistral
OLMo 3 7BAllen AI · 7B	—	FP16	17 Go	+143 Go	confortable	Hugging Face ↗
Apertus 8BSwiss AI · 8B	—	FP16	20 Go	+140 Go	confortable	Hugging Face ↗
Ministral 3 8BMistral AI · 8B	—	FP16	20 Go	+140 Go	confortable	Hugging Face ↗
InternLM3 8BShanghai AI Lab · 8.8B	—	FP16	21 Go	+139 Go	confortable	Hugging Face ↗
EuroLLM 9BUTTER Project · 9.15B	—	FP16	22 Go	+138 Go	confortable	Hugging Face ↗
DeepSeek-R1 Distill 32BDeepSeek · 32.8B	—	Q4_K_MFP16 tient aussi · 74 Go	23 Go	+137 Go	confortable	ollama run deepseek-r1:32b
Gemma 4 12BGoogle · 12B	—	FP16	28 Go	+132 Go	confortable	Hugging Face ↗
Ministral 3 14BMistral AI · 14B	—	FP16	33 Go	+127 Go	confortable	Hugging Face ↗
Qwen3.6 27BAlibaba · 27B	—	FP16	61 Go	+99 Go	confortable	Hugging Face ↗
Qwen3.6 35B-A3BAlibaba · 35B	—	FP16	79 Go	+81 Go	confortable	Hugging Face ↗
Mistral Small 4Mistral AI · 119B	—	Q8_0	142 Go	+18 Go	juste	Hugging Face ↗

Image, vidéo, audio et 3D

Ces modèles ne génèrent pas de texte : l’Arena texte ne les classe pas. Ordre indicatif, pas un classement de qualité.

Modèle	Elo	Quantization	RAM requise	Marge	Confort mémoire	Lancer
Kokoro-82MHexgrad · 0.08B	—	FP16	2 Go	+158 Go	confortable	Hugging Face ↗
ChatterboxResemble AI · 0.5B	—	FP16	3 Go	+157 Go	confortable	Hugging Face ↗
Parakeet TDT 0.6B v3NVIDIA · 0.6B	—	FP16	3 Go	+157 Go	confortable	Hugging Face ↗
TripoSRStability AI · 0.5B	—	FP16	3 Go	+157 Go	confortable	Hugging Face ↗
Stable Fast 3DStability AI · 1B	—	FP16	4 Go	+156 Go	confortable	Hugging Face ↗
TRELLISMicrosoft · 1.2B	—	FP16	5 Go	+155 Go	confortable	Hugging Face ↗
Whisper large-v3OpenAI · 1.55B	—	FP16	5 Go	+155 Go	confortable	Hugging Face ↗
Dia 1.6BNari Labs · 1.6B	—	FP16	6 Go	+154 Go	confortable	Hugging Face ↗
Hunyuan3D 2.1Tencent · 3B	—	FP16	9 Go	+151 Go	confortable	Hugging Face ↗
Orpheus 3BCanopy Labs · 3B	—	FP16	9 Go	+151 Go	confortable	Hugging Face ↗
Voxtral Mini 3BMistral AI · 3B	—	FP16	9 Go	+151 Go	confortable	Hugging Face ↗
YuE2-3Bm-a-p (Multimodal Art Projection) · 3B	—	FP16	9 Go	+151 Go	confortable	Hugging Face ↗
FLUX.2 [klein] 4BBlack Forest Labs · 4B	—	FP16	11 Go	+149 Go	confortable	Hugging Face ↗
TRELLIS.2Microsoft · 4B	—	FP16	11 Go	+149 Go	confortable	Hugging Face ↗
CogVideoX 5BZhipu AI · 5B	—	FP16	13 Go	+147 Go	confortable	Hugging Face ↗
Wan 2.2 5BAlibaba · 5B	—	FP16	13 Go	+147 Go	confortable	Hugging Face ↗
Ming-Image 0.1 DesignAnt Group · 6B	—	FP16	15 Go	+145 Go	confortable	Hugging Face ↗
Z-Image TurboAlibaba · 6B	—	FP16	15 Go	+145 Go	confortable	Hugging Face ↗
HunyuanVideo 1.5Tencent · 8.3B	—	FP16	20 Go	+140 Go	confortable	Hugging Face ↗
GLM-ImageZhipu AI · 9B	—	FP16	22 Go	+138 Go	confortable	Hugging Face ↗
Mochi 1Genmo · 10B	—	FP16	24 Go	+136 Go	confortable	Hugging Face ↗
FLUX.1 [dev]Black Forest Labs · 12B	—	FP16	28 Go	+132 Go	confortable	Hugging Face ↗
HiDream-I1HiDream · 17B	—	FP16	39 Go	+121 Go	confortable	Hugging Face ↗
Qwen-Image 2512Alibaba · 20B	—	FP16	46 Go	+114 Go	confortable	Hugging Face ↗
LTX-2.3Lightricks · 22B	—	FP16	50 Go	+110 Go	confortable	Hugging Face ↗
Voxtral Small 24BMistral AI · 24B	—	FP16	55 Go	+105 Go	confortable	Hugging Face ↗
Wan 2.2 A14BAlibaba · 27B	—	FP16	61 Go	+99 Go	confortable	Hugging Face ↗
FLUX.2 [dev]Black Forest Labs · 32B	—	FP16	72 Go	+88 Go	confortable	Hugging Face ↗
HunyuanImage 3.0Tencent · 80B	—	Q8_0	96 Go	+64 Go	confortable	Hugging Face ↗

Une commande « ollama run » sans suffixe télécharge la version Q4_K_M de la bibliothèque Ollama : la ligne indique alors cette quantization et sa mémoire, et signale si FP16 ou Q8_0 tiendrait aussi. Exception : un modèle publié dans un format natif (MXFP4 pour gpt-oss, FP8 pour DeepSeek V4.1) n’existe qu’en une version, c’est elle que la commande charge. via Hugging Face ou un tag Ollama explicite.

Partager ce verdict

Un lien, la même sélection, les mêmes raisons.

Partager sur LinkedIn

Affiner avec le Finder Autres configurations