FreeLLMTous les modèles › kandinskylab
Kandinsky-6.0-Lite-distill-5s-Diffusers
kandinskylab · sorti le 9 sept. 2026
Où l'utiliser gratuitement
- Téléchargez-le et lancez-le chez vous : poids officiels · fichiers GGUF pour Ollama et LM Studio
Nouveau : en attente de votes Arena
Sorti le 9 sept. 2026. Arena n'a pas encore voté pour ce modèle. Dès que ce sera le cas, le modèle rejoindra le classement automatiquement, en général la nuit suivante. D'ici là, vous pouvez déjà consulter ci-dessous sa taille, ses besoins en mémoire et sa vitesse.
Vitesse sur du matériel courant
| Matériel | Mémoire GPU | Ça tient ? | Vitesse |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Tient dans le GPU | 106 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Tient dans le GPU | 87 tok/s |
| RTX 3090 | 24 GB | Tient dans le GPU | 236 tok/s |
| RTX 4090 | 24 GB | Tient dans le GPU | 250 tok/s |
| RTX 5090 | 32 GB | Tient dans le GPU | 372 tok/s |
| RX 7900 XTX | 24 GB | Tient dans le GPU | 241 tok/s |
| 2 × RTX 3090 | 48 GB | Tient dans le GPU | 229 tok/s |
| 4 × RTX 3090 | 96 GB | Tient dans le GPU | 217 tok/s |
| Mac M4 Max 128 GB | 96 GB | Tient dans le GPU | 111 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Tient dans le GPU | 78 tok/s |
| 8 × H100 SXM | 640 GB | Tient dans le GPU | 434 tok/s |
Estimation en 4 bits avec un contexte de 32K et 64 GB de DDR5 pour le déchargement. Vitesse ≈ bande passante mémoire × 78 % ÷ données lues par token, plus un coût fixe par token, calibrée sur 44 tests llama.cpp réels ; erreur typique d'environ ±10 %. Comparer tous les GPU.
Mémoire GPU nécessaire
| Niveau | Contexte de 8K | Contexte de 32K | Contexte de 128K | Qualité vs original |
|---|---|---|---|---|
| Q3_K_M | 2.3 GB | 2.6 GB | 3.9 GB | +10.5% perte sensible |
| Q4_K_M | 2.6 GB | 3.0 GB | 4.2 GB | +2.8% faible perte |
| Q5_K_M | 3.0 GB | 3.3 GB | 4.6 GB | +0.9% très faible perte |
| Q6_K | 3.3 GB | 3.6 GB | 4.9 GB | +0.3% quasi sans perte |
| Q8_0 | 4.1 GB | 4.4 GB | 5.7 GB | ≈ 0% identique à l'original |
| F16 | 7.1 GB | 7.4 GB | 8.7 GB | ≈ 0% identique à l'original |
Poids + cache de contexte (d'après l'architecture du modèle) + runtime. Qualité : hausse de perplexity par rapport au modèle complet, d'après les tests llama.cpp, ajustée selon la taille du modèle. Simulez votre propre configuration.
Partager cette page :XLinkedInRedditWhatsApp
Un chiffre erroné ou un lien cassé ? Signalez une erreur