Jeu de données mis à jour le 2026-11-16 ·vérifié sur le registre Ollama

Trouvez le meilleur modèle d’IA local pour votre appareil

ModelFit est un outil gratuit qui vous dit quels modèles d’IA locaux tournent sur votre matériel. Indiquez votre matériel et obtenez le meilleur LLM local qu’il peut réellement faire tourner, dimensionné selon votre mémoire exacte. Des estimations honnêtes de vitesse et de qualité pour Apple Silicon, iPhone, NVIDIA et AMD.

Quelle est la vitesse réelle de votre machine ?

Une seule commande affiche vos tok/s réels, puis une carte à publier sur X et votre rang dans le classement. Elle demande votre accord avant d’envoyer quoi que ce soit.

$npx @modelfit/cli@latest bench
Voir le classement →

Pas de Node ? brew tap modelfit-io/tap, brew trust modelfit-io/tap, brew install modelfit, puis modelfit bench. Le premier lancement télécharge de 3 à 17 GB.

Modèles suivis
201
Tournent en local
157
Appareils et GPU
71
zsh · modelfit benchFig. 1
~ $ npx @modelfit/cli@latest bench
  run 1/3: 132.6 tok/s
  run 2/3: 155.3 tok/s
  run 3/3: 150.0 tok/s
  150.0 tok/s on Qwen3.8 27B, #1 of 12
  Your card, ready to post on X:
Speed test card: NVIDIA GeForce RTX 5090, 150.0 tok/s on Qwen3.8 27B

A real run from the leaderboard, Nov 10.

Hardware config
Step 01

Choose your device

We match models to your exact memory and architecture.

Ligne de commande

Choisissez votre modèle en une ligne, chronométrez votre machine en une autre

Le CLI gratuit de ModelFit, sans aucune dépendance, détecte votre matériel exact, choisit le meilleur modèle local qu'il peut faire tourner et vous donne la commande Ollama en une ligne pour l'installer. La seconde commande chronomètre un modèle adapté à votre machine avec Ollama et demande votre accord avant d'ajouter votre vitesse au classement public ci-dessous. Le jeu de données qui l'alimente est ouvert (CC BY 4.0), et les agents IA peuvent l'interroger en direct via MCP.

NPM · @modelfit/cli · MIT
  1. 1 · Choisir le meilleur modèle
    $npx @modelfit/cli@latest
  2. 2 · Chronométrer votre vitesse réelle
    $npx @modelfit/cli@latest bench
Fig. 3Vitesse réelle · qwen3.8:27b · tok/s médian

Où se place votre machine ?

Classement complet →

Toutes les autres vitesses de ModelFit sont des estimations. Ici, ce sont de vraies exécutions : des lecteurs font tourner Qwen3.8 27B avec les mêmes prompts sur leur propre Mac ou GPU, donc les barres sont comparables. 15 exécutions sur 12 machines à ce jour.

RTX 5090
150 tok/s
M5 Ultra 64-core GPU · 96GB
99.4 tok/s
M5 Max 40-core GPU · 128GB
71.3 tok/s
M5 Max 40-core GPU · 64GB
70.9 tok/s
M4 Max 40-core GPU · 64GB
49.7 tok/s
M2 Ultra 60-core GPU · 128GB
43 tok/s
M5 Pro 20-core GPU · 48GB
37.8 tok/s
M4 Pro 20-core GPU · 48GB
31.7 tok/s

Pas encore au classement : M5, RTX 4090, RTX 3090, M3, RTX 4060, M2, RTX 4070, M3 Pro, RTX 5080, M3 Max. Vous en avez une ? La seconde commande ci-dessus l’ajoute. 4 autres machines figurent dans le classement complet.

Médiane des exécutions de chaque machine, vitesse de génération telle que rapportée par Ollama. Nécessite Node et Ollama. Le CLI demande votre accord avant d'envoyer quoi que ce soit : type de machine, mémoire, version d'Ollama et durées (ni nom, ni e-mail, ni fichiers). Les nouvelles exécutions apparaissent dans ce graphique à la prochaine mise à jour du site, et dans le classement complet immédiatement.

Notes de terrain

Derniers articles du blog (en anglais)

Tout voir →
Tableau 2Chiffres clés · paliers de RAM

Quelle taille de LLM tient dans votre mémoire ?

Toutes les stats →

Un LLM local demande environ 0.6 GB par milliard de paramètres en Q4. ModelFit dimensionne ses choix à ~70% de votre mémoire unifiée sur les machines jusqu'à 32GB, puis ~85% à partir de 128GB, en gardant de la marge pour le système, le contexte et le cache KV. Voici ce que chaque palier fait tourner confortablement aujourd'hui. Le même calcul vaut pour la VRAM des GPU : pour les cartes dédiées, consultez les guides GPU carte par carte.

Mémoire unifiéeTaille max. (dense)Meilleur choix localModèles qui tiennent
8 GB~9B de paramètresQwen3.5 4B Instruct36 sur 157
12 GB~12B de paramètres / 12.1B MoELFM2.5 8B-A1B56 sur 157
16 GB~14B de paramètresQwen3.5 9B Instruct67 sur 157
24 GB~29.3B de paramètresLFM2 24B-A2B Instruct82 sur 157
32 GB~33.1B de paramètres / 35.95B MoEQwen3.8 27B106 sur 157
36 GB~33.1B de paramètres / 39.8B MoEQwen3.6 35B-A3B111 sur 157
48 GB~33.1B de paramètres / 46.7B MoEQwen3.6 35B-A3B121 sur 157
64 GB~70B de paramètres / 78.1B MoENemotron 3.5 Lightning 30B-A3B130 sur 157
72 GB~70B de paramètres / 80B MoEKolibri 1 (IQ4_XS)132 sur 157
96 GB~123B de paramètres / 125.09B MoEKolibri 1142 sur 157
128 GB~123B de paramètres / 125.09B MoEQwen3.5 122B-A10B Instruct148 sur 157
192 GB~123B de paramètres / 235B MoEQwen3.8-Flash-Next150 sur 157
256 GB~123B de paramètres / 428B MoEQwen3.8-Flash-Next151 sur 157
512 GB~123B de paramètres / 770B MoEMiniMax M3.1 Flash157 sur 157

Calculé à partir du catalogue de ModelFit, soit 201 modèles · jeu de données mis à jour le 2026-11-16 · jeu de données complet (CC BY 4.0)

Faites votre propre calcul : calculateur de VRAM, réponses par GPU, VRAM selon la taille du modèle, RAM ou VRAM ou le calculateur de mémoire complet.

Fig. 4Benchmarks · SWE-Bench Verified

Local contre cloud : où en est-on ?

Benchmark complet →

Les modèles à poids ouverts que vous pouvez faire tourner chez vous réduisent peu à peu l'écart avec les meilleures API fermées en programmation. Voici où se situe la ligne aujourd'hui sur SWE-Bench Verified.

Claude Opus 5
97.0%
DeepSeek V4 Pro 0813
96.4%
GPT-5.6-sol
96.2%
Qwen3.8-27B
86.0%

SWE-Bench Verified · scores de tiers, chacun vérifié dans la source primaire du modèle. Qwen3.8-27B tourne en local sur un 24GB Mac.

Explorer

Parcourir tout l’index

Tous les appareils →
FAQ

Questions fréquentes sur les LLM locaux

De quelle mémoire ai-je besoin pour faire tourner un LLM local ?

Un modèle local demande environ 0.6 GB de mémoire par milliard de paramètres en quantification Q4 pour les poids, plutôt 0.8 GB par milliard sous 8B une fois le surcoût d'exécution compté. ModelFit dimensionne ses choix à environ 70% de la mémoire unifiée de votre appareil (jusqu'à ~85% sur les machines de 128GB+), donc une machine de 8GB fait tourner confortablement des modèles denses jusqu'à ~9B et une machine de 16GB jusqu'à ~14B de paramètres. Les modèles MoE (mixture of experts) tiennent plus de paramètres au total, car seule une fraction est active par token.

Quel est le meilleur LLM local pour un Mac de 16GB ?

Sur un Mac de 16GB, le meilleur choix de ModelFit est Qwen3.5 9B Instruct (Q4_K_M) : il se charge en environ 7GB et arrive en tête selon l'équilibre du moteur entre qualité, vitesse et marge de mémoire, le même choix que le calculateur. 67 des 157 modèles locaux de ModelFit tiennent sur un appareil de 16GB.

Puis-je faire tourner ces modèles entièrement hors ligne ?

Oui. Chaque modèle local recommandé par ModelFit tourne entièrement hors ligne sur votre propre matériel, via Ollama ou, pour les builds sans tag Ollama, llama.cpp, LM Studio ou MLX : pas de clé d'API, pas d'abonnement, et aucune donnée ne quitte votre machine.

Combien de modèles d'IA ModelFit couvre-t-il ?

ModelFit suit 201 modèles d'IA répartis en 41 familles ; 157 tournent en local sur Apple Silicon, NVIDIA ou AMD, dont 126 avec un tag Ollama vérifié sur le registre.

Quelle est la fiabilité des estimations de vitesse ?

Les chiffres en tokens par seconde sont des estimations de ModelFit, calculées à partir de la bande passante mémoire de votre puce ou GPU et de la taille du modèle, et non des chiffres relevés sur une machine. La vitesse réelle varie selon la quantification, la longueur de contexte et l'état thermique.