Auto-hébergement
La RAM et la présence d’un GPU suffisent. Tout le reste est facultatif. Le classement est une arithmétique sur des nombres de paramètres sourcés — NVIDIA ne désigne pas le vainqueur.
6 modèles à poids ouverts profilés sur 20 tiennent dans 24 Gio (vram) à un contexte de 8192. Le mieux noté qui tient : Qwen3.8 27B (Q5_K_M).
VRAM as entered. Driver reservation is inside the 1 GiB overhead, not extra.
32 Gio porte la quantification de Qwen3.8 27B à Q8_0. Même modèle, pas un score d’intelligence supérieur.
Parmi les modèles qui tiennent
Qwen3.8 27B obtient les meilleurs scores Artificial Analysis en intelligence (52), programmation (68.1) et agentique (50.9) parmi les modèles qui tiennent.
Meilleur Elo LMArena parmi ceux qui tiennent : Gemma 4 31B 1441.7. L’Elo est une échelle de préférence humaine, pas l’indice d’intelligence.
Les indices Artificial Analysis et l’Elo LMArena sont des échelles différentes. Une case vide n’est pas mesurée, pas nulle. L’axe le plus fort d’un modèle se juge par rapport à ses propres scores, ce n’est pas une prétention à dominer le catalogue.
Modèles notés qui tiennent
| Modèle | Général | Code | Agentique | Préférence humaine | Quantification qui tient | Gio estimés | Marge |
|---|---|---|---|---|---|---|---|
| Qwen3.8 27B | 52 | 68.1 | 50.9 | 1440.8 | Q5_K_M | 20.063 | 3.938 |
| Gemma 4 31B | 29.7 | 43.4 | 14.4 | 1441.7 | Q5_K_M | 22.106 | 1.894 |
| Olmo 3 32B Think | — | — | — | 1298.5 | Q4_K_M | 22.32 | 1.68 |
| Granite 4.1 8B | — | 9.5 | — | 1291.6 | F16 | 18.25 | 5.75 |
| Phi 4 | — | — | — | 1216.8 | Q8_0 | 17.438 | 6.563 |
- Hybrid: only 16 of 64 layers are Gated Attention. KV uses kvLayers=16, not nLayers=64. Measured Q4 is Unsloth UD-Q4_K_M, not a vanilla Q4_K_M.
Tiennent, non notés
- Muse Glimmer 30B — Q5_K_M, 21.756 GiB non noté visionraisonnementoutils
Ce qu’une mise à niveau achète vraiment
Le goulet d’étranglement est la mémoire GPU. Plus de RAM système ne chargera pas davantage de poids sur cette carte.
| Gio estimés | Débloque | Exemple | Prix catalogue |
|---|---|---|---|
| 32 GiB | Qwen3.8 27B — Q8_0même modèle, quantification supérieure | GeForce RTX 5090 (32 GiB) | USD 1999 à partir de |
Le modèle du catalogue immédiatement mieux noté est Kimi K3, et même en Q4_K_M il réclame 1691.5 Gio. Ce n’est pas une carte de bureau.
NVIDIA 'Starting at' list prices as published 2026-08-25, not a store quote and not a used-market index. Street prices in August 2026 are often much higher (Tom's Hardware Newegg median RTX 5090 $4,699 vs $1,999 list). Last-gen 24 GB cards (4090, 3090) have no current NVIDIA starting-at in this file. Datacenter cards have no consumer list here. RAM DIMMs are not priced — they move weekly.
Les mises à niveau utilisent la même formule que le classement. Les prix catalogue sont les « à partir de » NVIDIA, datés du 2026-08-25. Les prix réels sont souvent plus élevés. Les cartes 24 Go d’occasion et les GPU de datacenter n’ont pas de prix catalogue ici. Les barrettes de RAM ne sont pas chiffrées.
Ne tiennent pas, ou non profilés
- qwen/qwen3.8-2.4t-a95b — even Q4_K_M wants 1450.719 GiB; pool is 24 GiB
- moonshotai/kimi-k3 — even Q4_K_M wants 1691.5 GiB; pool is 24 GiB
- z-ai/glm-5.2 — even Q4_K_M wants 455.624 GiB; pool is 24 GiB
- moonshotai/kimi-k2.7-code — even Q4_K_M wants 604.75 GiB; pool is 24 GiB
- nvidia/nemotron-3-ultra-550b-a55b — even Q4_K_M wants 333.063 GiB; pool is 24 GiB
- minimax/minimax-m3 — even Q4_K_M wants 259.405 GiB; pool is 24 GiB
- deepseek/deepseek-v4-pro — even Q4_K_M wants 967 GiB; pool is 24 GiB
- deepseek/deepseek-v4-flash — even Q4_K_M wants 172.465 GiB; pool is 24 GiB
- mistralai/mistral-small-2603 — even Q4_K_M wants 73.2 GiB; pool is 24 GiB
- deepseek/deepseek-v3.2 — even Q4_K_M wants 406.116 GiB; pool is 24 GiB
- openai/gpt-oss-120b — even Q4_K_M wants 72.201 GiB; pool is 24 GiB
- meta-llama/llama-4-maverick — even Q4_K_M wants 242.5 GiB; pool is 24 GiB
- meta-llama/llama-4-scout — even Q4_K_M wants 66.809 GiB; pool is 24 GiB
- cohere/command-a — even Q4_K_M wants 68.016 GiB; pool is 24 GiB
Détails supplémentaires (facultatif)
Ne change pas le classement. Analyse facultative par IA de vos notes au regard des chiffres ci-dessus, avec les modèles les plus puissants de NVIDIA NIM.
Comment le chiffre est obtenu
Poids : la taille GGUF mesurée quand nous l’avons, sinon paramètres totaux × bits par poids ÷ 8. Q4_K_M est traité comme 4,83 bits par paramètre. La mémoire des MoE utilise les paramètres totaux, pas les paramètres actifs.
Cache KV, quand la géométrie des couches et des têtes est sourcée : 2 × kvLayers × kvHeads × headDim × contexte × 2 octets (FP16, lot 1). Les modèles hybrides utilisent le nombre de couches d’attention, pas toutes les couches. Si la géométrie manque, le cache est omis et cela est indiqué.
1 Gio sont ajoutés pour CUDA et l’exécution. La mémoire unifiée d’Apple utilise la RAM comme pool. Le CPU seul est un ajustement mémoire, pas une promesse de vitesse. La génération de DDR est ignorée pour l’ajustement : elle change la bande passante, pas le fait que les poids tiennent en mémoire.
Seules les lignes du catalogue avec openWeights=true sont candidates. Il en existe 20 ; 20 ont des tailles sourcées. Les modèles non notés qui tiennent sont listés à part. Un meilleur score ne signifie pas un remplacement direct.
Le type de RAM (DDR4/DDR5/LPDDR) n’est pas un champ. Il ne change pas le fait qu’un modèle tienne.