FreeLLMTous les modèles › microsoft
UserRepGen-4B
microsoft · sorti le 14 oct. 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 14 oct. 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 | 69 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Tient dans le GPU | 56 tok/s |
| RTX 3090 | 24 GB | Tient dans le GPU | 161 tok/s |
| RTX 4090 | 24 GB | Tient dans le GPU | 171 tok/s |
| RTX 5090 | 32 GB | Tient dans le GPU | 269 tok/s |
| RX 7900 XTX | 24 GB | Tient dans le GPU | 165 tok/s |
| 2 × RTX 3090 | 48 GB | Tient dans le GPU | 156 tok/s |
| 4 × RTX 3090 | 96 GB | Tient dans le GPU | 148 tok/s |
| Mac M4 Max 128 GB | 96 GB | Tient dans le GPU | 80 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Tient dans le GPU | 50 tok/s |
| 8 × H100 SXM | 640 GB | Tient dans le GPU | 337 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 | 3.1 GB | 3.9 GB | 7.1 GB | +10.5% perte sensible |
| Q4_K_M | 3.6 GB | 4.4 GB | 7.6 GB | +2.8% faible perte |
| Q5_K_M | 4.1 GB | 4.9 GB | 8.1 GB | +0.9% très faible perte |
| Q6_K | 4.6 GB | 5.4 GB | 8.6 GB | +0.3% quasi sans perte |
| Q8_0 | 5.6 GB | 6.5 GB | 9.7 GB | ≈ 0% identique à l'original |
| F16 | 9.9 GB | 11 GB | 14 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