Quel modèle pour Laptop 16 Go RAM ?
12 Go utilisables pour le modèle (80 % de la RAM, exécution CPU). 62 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 8 Go utiles), même dans leur quantization la plus légère.
| Modèle | Elo | Quantization | RAM requise | Marge | Confort mémoire | Lancer |
|---|---|---|---|---|---|---|
| Gemma 3 12BGoogle · 12B | 1342 | Q4_K_M | 9 Go | +3 Go | lent (CPU) | ollama run gemma3:12b |
| Phi-4Microsoft · 14.7B | 1256 | Q4_K_M | 11 Go | +1 Go | lent (CPU) | ollama run phi4 |
| Phi-4 ReasoningMicrosoft · 14.7B | 1256 | Q4_K_M | 11 Go | +1 Go | lent (CPU) | ollama run phi4-reasoning |
| FLUX.1 [dev]Black Forest Labs · 12B | — | Q4_K_M | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Gemma 4 12BGoogle · 12B | — | Q4_K_M | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Mistral Nemo 12BMistral AI · 12.2B | — | Q4_K_M | 10 Go | +2 Go | lent (CPU) | ollama run mistral-nemo |
| Ministral 3 14BMistral AI · 14B | — | Q4_K_M | 11 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| Qwen3 14BAlibaba · 14.8B | — | Q4_K_M | 11 Go | +1 Go | lent (CPU) | ollama run qwen3:14b |
| DeepSeek-Coder-V2 LiteDeepSeek · 15.7B | — | Q4_K_M | 12 Go | +0 Go | lent (CPU) | ollama run deepseek-coder-v2:16b |
| StarCoder 2BigCode · 16B | — | Q4_K_M | 12 Go | +0 Go | lent (CPU) | ollama run starcoder2:15b |
Tiennent aussi sur une config plus petite
| Modèle | Elo | Quantization | RAM requise | Marge | Confort mémoire | Lancer |
|---|---|---|---|---|---|---|
| Gemma 3n E4BGoogle · 4B | 1318 | Q4_K_MFP16 tient aussi · 11 Go | 5 Go | +7 Go | lent (CPU) | ollama run gemma3n:e4b |
| Granite 4.1 8BIBM · 8B | 1304 | Q8_0 | 11 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| Gemma 3 4BGoogle · 4B | 1303 | Q4_K_MFP16 tient aussi · 11 Go | 5 Go | +7 Go | lent (CPU) | ollama run gemma3:4b |
| Ministral 8BMistral AI · 8.02B | 1238 | Q8_0 | 11 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| Llama 3.1 8BMeta · 8.03B | 1211 | Q4_K_MQ8_0 tient aussi · 11 Go | 7 Go | +5 Go | lent (CPU) | ollama run llama3.1:8b |
| Llama 3.2 3BMeta · 3.21B | 1167 | Q4_K_MFP16 tient aussi · 9 Go | 4 Go | +8 Go | lent (CPU) | ollama run llama3.2:3b |
| Llama 3.2 1BMeta · 1.24B | 1111 | Q4_K_MFP16 tient aussi · 5 Go | 3 Go | +9 Go | lent (CPU) | ollama run llama3.2:1b |
| Mistral 7BMistral AI · 7.25B | 1110 | Q4_K_MQ8_0 tient aussi · 11 Go | 7 Go | +5 Go | lent (CPU) | 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 | +10 Go | lent (CPU) | ollama run qwen3:0.6b |
| Gemma 3 1BGoogle · 1B | — | Q4_K_MFP16 tient aussi · 4 Go | 3 Go | +9 Go | lent (CPU) | ollama run gemma3:1b |
| Phi-4 MiniMicrosoft · 3.8B | — | Q4_K_MFP16 tient aussi · 10 Go | 4 Go | +8 Go | lent (CPU) | ollama run phi4-mini |
| Qwen3 4BAlibaba · 4.02B | — | Q4_K_MFP16 tient aussi · 11 Go | 5 Go | +7 Go | lent (CPU) | ollama run qwen3:4b |
| Gemma 4 E2BGoogle · 2B | — | FP16 | 6 Go | +6 Go | lent (CPU) | Hugging Face ↗ |
| CodeGemma 7BGoogle · 8.5B | — | Q4_K_MQ8_0 tient aussi · 12 Go | 7 Go | +5 Go | lent (CPU) | ollama run codegemma |
| Command R7BCohere · 8B | — | Q4_K_MQ8_0 tient aussi · 11 Go | 7 Go | +5 Go | lent (CPU) | ollama run command-r7b |
| DeepSeek-R1 Distill 8BDeepSeek · 8.03B | — | Q4_K_MQ8_0 tient aussi · 11 Go | 7 Go | +5 Go | lent (CPU) | ollama run deepseek-r1:8b |
| Granite 3.3 8BIBM · 8.1B | — | Q4_K_MQ8_0 tient aussi · 12 Go | 7 Go | +5 Go | lent (CPU) | ollama run granite3.3:8b |
| Hermes 3 8BNous Research · 8.03B | — | Q4_K_MQ8_0 tient aussi · 11 Go | 7 Go | +5 Go | lent (CPU) | ollama run hermes3:8b |
| MiniCPM5-2BOpenBMB · 2.5B | — | FP16 | 7 Go | +5 Go | lent (CPU) | Hugging Face ↗ |
| Qwen3 8BAlibaba · 8.2B | — | Q4_K_MQ8_0 tient aussi · 12 Go | 7 Go | +5 Go | lent (CPU) | ollama run qwen3:8b |
| EuroLLM 9BUTTER Project · 9.15B | — | Q4_K_M | 8 Go | +4 Go | lent (CPU) | Hugging Face ↗ |
| Falcon 3 10BTII · 10.3B | — | Q4_K_M | 8 Go | +4 Go | lent (CPU) | ollama run falcon3:10b |
| Granite 4.1 3BIBM · 3B | — | FP16 | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Ministral 3 3BMistral AI · 3B | — | FP16 | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| SmolLM3 3BHugging Face · 3.1B | — | FP16 | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Lucie 7BOpenLLM France · 6.7B | — | Q8_0 | 10 Go | +2 Go | lent (CPU) | Hugging Face ↗ |
| OLMo 3 7BAllen AI · 7B | — | Q8_0 | 10 Go | +2 Go | lent (CPU) | Hugging Face ↗ |
| Apertus 8BSwiss AI · 8B | — | Q8_0 | 11 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| Gemma 4 E4BGoogle · 4B | — | FP16 | 11 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| Ministral 3 8BMistral AI · 8B | — | Q8_0 | 11 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| InternLM3 8BShanghai AI Lab · 8.8B | — | Q8_0 | 12 Go | +0 Go | lent (CPU) | 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 | +10 Go | lent (CPU) | Hugging Face ↗ |
| ChatterboxResemble AI · 0.5B | — | FP16 | 3 Go | +9 Go | lent (CPU) | Hugging Face ↗ |
| Parakeet TDT 0.6B v3NVIDIA · 0.6B | — | FP16 | 3 Go | +9 Go | lent (CPU) | Hugging Face ↗ |
| TripoSRStability AI · 0.5B | — | FP16 | 3 Go | +9 Go | lent (CPU) | Hugging Face ↗ |
| Stable Fast 3DStability AI · 1B | — | FP16 | 4 Go | +8 Go | lent (CPU) | Hugging Face ↗ |
| TRELLISMicrosoft · 1.2B | — | FP16 | 5 Go | +7 Go | lent (CPU) | Hugging Face ↗ |
| Whisper large-v3OpenAI · 1.55B | — | FP16 | 5 Go | +7 Go | lent (CPU) | Hugging Face ↗ |
| Dia 1.6BNari Labs · 1.6B | — | FP16 | 6 Go | +6 Go | lent (CPU) | Hugging Face ↗ |
| CogVideoX 5BZhipu AI · 5B | — | Q8_0 | 8 Go | +4 Go | lent (CPU) | Hugging Face ↗ |
| GLM-ImageZhipu AI · 9B | — | Q4_K_M | 8 Go | +4 Go | lent (CPU) | Hugging Face ↗ |
| Mochi 1Genmo · 10B | — | Q4_K_M | 8 Go | +4 Go | lent (CPU) | Hugging Face ↗ |
| Wan 2.2 5BAlibaba · 5B | — | Q8_0 | 8 Go | +4 Go | lent (CPU) | Hugging Face ↗ |
| Hunyuan3D 2.1Tencent · 3B | — | FP16 | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Ming-Image 0.1 DesignAnt Group · 6B | — | Q8_0 | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Orpheus 3BCanopy Labs · 3B | — | FP16 | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Voxtral Mini 3BMistral AI · 3B | — | FP16 | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| YuE2-3Bm-a-p (Multimodal Art Projection) · 3B | — | FP16 | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Z-Image TurboAlibaba · 6B | — | Q8_0 | 9 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| FLUX.2 [klein] 4BBlack Forest Labs · 4B | — | FP16 | 11 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| TRELLIS.2Microsoft · 4B | — | FP16 | 11 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| HunyuanVideo 1.5Tencent · 8.3B | — | Q8_0 | 12 Go | +0 Go | lent (CPU) | 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.