Quel modèle pour Laptop 8 Go RAM ?
6 Go utilisables pour le modèle (80 % de la RAM, exécution CPU). 34 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.
| Modèle | Elo | Quantization | RAM requise | Marge | Confort mémoire | Lancer |
|---|---|---|---|---|---|---|
| Gemma 3n E4BGoogle · 4B | 1318 | Q4_K_M | 5 Go | +1 Go | lent (CPU) | ollama run gemma3n:e4b |
| Gemma 3 4BGoogle · 4B | 1303 | Q4_K_M | 5 Go | +1 Go | lent (CPU) | ollama run gemma3:4b |
| Llama 3.2 3BMeta · 3.21B | 1167 | Q4_K_MQ8_0 tient aussi · 6 Go | 4 Go | +2 Go | lent (CPU) | ollama run llama3.2:3b |
| Llama 3.2 1BMeta · 1.24B | 1111 | Q4_K_MFP16 tient aussi · 5 Go | 3 Go | +3 Go | lent (CPU) | ollama run llama3.2:1b |
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 | +4 Go | lent (CPU) | ollama run qwen3:0.6b |
| Gemma 3 1BGoogle · 1B | — | Q4_K_MFP16 tient aussi · 4 Go | 3 Go | +3 Go | lent (CPU) | ollama run gemma3:1b |
| Phi-4 MiniMicrosoft · 3.8B | — | Q4_K_M | 4 Go | +2 Go | lent (CPU) | ollama run phi4-mini |
| Gemma 4 E4BGoogle · 4B | — | Q4_K_M | 5 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| MiniCPM5-2BOpenBMB · 2.5B | — | Q8_0 | 5 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| Qwen3 4BAlibaba · 4.02B | — | Q4_K_M | 5 Go | +1 Go | lent (CPU) | ollama run qwen3:4b |
| Gemma 4 E2BGoogle · 2B | — | FP16 | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| Granite 4.1 3BIBM · 3B | — | Q8_0 | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| Lucie 7BOpenLLM France · 6.7B | — | Q4_K_M | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| Ministral 3 3BMistral AI · 3B | — | Q8_0 | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| OLMo 3 7BAllen AI · 7B | — | Q4_K_M | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| SmolLM3 3BHugging Face · 3.1B | — | Q8_0 | 6 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 | +4 Go | lent (CPU) | Hugging Face ↗ |
| ChatterboxResemble AI · 0.5B | — | FP16 | 3 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Parakeet TDT 0.6B v3NVIDIA · 0.6B | — | FP16 | 3 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| TripoSRStability AI · 0.5B | — | FP16 | 3 Go | +3 Go | lent (CPU) | Hugging Face ↗ |
| Stable Fast 3DStability AI · 1B | — | FP16 | 4 Go | +2 Go | lent (CPU) | Hugging Face ↗ |
| CogVideoX 5BZhipu AI · 5B | — | Q4_K_M | 5 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| FLUX.2 [klein] 4BBlack Forest Labs · 4B | — | Q4_K_M | 5 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| TRELLISMicrosoft · 1.2B | — | FP16 | 5 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| TRELLIS.2Microsoft · 4B | — | Q4_K_M | 5 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| Wan 2.2 5BAlibaba · 5B | — | Q4_K_M | 5 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| Whisper large-v3OpenAI · 1.55B | — | FP16 | 5 Go | +1 Go | lent (CPU) | Hugging Face ↗ |
| Dia 1.6BNari Labs · 1.6B | — | FP16 | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| Hunyuan3D 2.1Tencent · 3B | — | Q8_0 | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| Ming-Image 0.1 DesignAnt Group · 6B | — | Q4_K_M | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| Orpheus 3BCanopy Labs · 3B | — | Q8_0 | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| Voxtral Mini 3BMistral AI · 3B | — | Q8_0 | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| YuE2-3Bm-a-p (Multimodal Art Projection) · 3B | — | Q8_0 | 6 Go | +0 Go | lent (CPU) | Hugging Face ↗ |
| Z-Image TurboAlibaba · 6B | — | Q4_K_M | 6 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.