Llama 3.2 1B
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
Llama 3.2 1B est la version la plus compacte de la famille Llama de Meta : 1,24 milliard de paramètres seulement, mais une fenêtre de contexte de 128 000 tokens, rare à cette échelle. Distribué en poids ouverts sous licence Llama 3.2 Community (usage commercial autorisé), il cible les usages embarqués : assistant local, résumé léger, prototypage hors ligne. Revers logique de sa taille : la profondeur de raisonnement et la fiabilité factuelle restent nettement en retrait des modèles plus lourds. Pour une organisation européenne, ses poids ouverts en font un candidat simple à auto-héberger, données conservées en local, sans dépendance à un cloud tiers.
Profil de compétences
Non communiqué
Trois mesures indépendantes
Ce que les gens préfèrent, ce que le modèle sait faire, ce que le marché utilise. Chaque source a ses biais, aucune ne suffit seule : nous les affichons séparément, sans les mélanger.
Forces
- Open-source et auto-hébergeable
Limites
- En retrait sur Arena
- Tarification API non publiée
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vos données doivent rester en UE
Cas d'usage idéaux
- Assistant local embarqué
- Résumé léger sur laptop
- Prototypage rapide hors ligne
- Automatisation edge/IoT
- Traitement confidentiel sur site
Accès & disponibilité
Caractéristiques clés
Combien ça coûte par mois
Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.
Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.
nAIvigate Trust Index
Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.
19/19 critères documentés · 100 % · dont 12 posés par règle
Voir les critères▾
Badge Trust Index
Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.
[](https://naivigate.com/fr/model/llama-3-2-1b)Données & conformité
Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.
| Résidence des données en UE | Oui |
| Accord de traitement (DPA) | Sans objet· auto-hébergé : les données ne sortent pas |
| Transfert hors UE | Non |
| Entraînement sur vos données | Non |
| Rétention configurable | Sans objet· auto-hébergé : les données ne sortent pas |
| Zero Data Retention | Sans objet· auto-hébergé : les données ne sortent pas |
| Auto-hébergeable | Oui |
| Hébergement déclaré | self |
Qualité des données de la fiche
Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.
6/8 documentées · 2/8 sources primaires
Faire tourner en local
| Quantization | Disque | RAM / VRAM | Matériel type |
|---|---|---|---|
| Q4 · recommandé | 0.7 Go | 3 Go | Tout PC/Mac récent |
| Q8 · équilibré | 1.3 Go | 3 Go | Tout PC/Mac récent |
| FP16 · qualité max | 2.5 Go | 5 Go | Tout PC/Mac récent |
Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Le plus simple pour tester sur un poste. Installez Ollama, puis :
ollama run llama3.2:1bDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | 1111 |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |