Recettes · 11 configurations
Des machines prêtes à copier Pour chaque budget, un modèle, le matériel, le moteur et la commande à lancer. Mémoire, vitesse et prix sont calculés avec les mêmes formules que le reste du site : ce sont des estimations, pas des mesures.
Budget 1 180 €
Premier LLM local à petit prix Le point d’entrée le moins cher pour discuter, résumer ou coder avec un modèle récent, sans abonnement.
Modèle Qwen3 8BMatériel RTX 3060 12 GoPrécision Q4_K_MMoteur OllamaContexte 8k
Mémoire 7 / 12 Go
Vitesse estimée ~39 tok/s
Consommation 170 W
Occupation de la mémoire 56 %
ollama run qwen3:8bCopier
Budget 1 650 €
Le meilleur rapport prix/vitesse en 24 Go Une RTX 3090 d’occasion et un modèle MoE : seuls 3 milliards de paramètres travaillent à chaque token, d’où une vitesse très élevée.
Modèle Qwen3 30B-A3BMatériel RTX 3090 24 Go (occasion)Précision Q4_K_MMoteur llama.cppContexte 16k
Mémoire 21 / 24 Go
Vitesse estimée ~242 tok/s
Consommation 350 W
Occupation de la mémoire 88 %
llama-server -hf unsloth/Qwen3-30B-A3B-GGUF:Q4_K_M -ngl 99 -c 16384Copier
Budget 2 400 €
Llama 70B pour moins de 2 500 € Deux 3090 d’occasion se partagent les couches du modèle. Le grand classique des passionnés d’IA locale.
Modèle Llama 3.3 70BMatériel 2 × RTX 3090 24 Go (occasion)Précision Q4_K_MMoteur llama.cppContexte 8k
Mémoire 47 / 48 Go
Vitesse estimée ~12 tok/s
Consommation 700 W
Occupation de la mémoire 99 %
llama-server -hf unsloth/Llama-3.3-70B-Instruct-GGUF:Q4_K_M -ngl 99 -c 8192Copier
Passionné 3 500 €
Un modèle 32B sur une seule carte Les 32 Go de la RTX 5090 logent un 32B en Q4 avec un long contexte, et sa bande passante le rend très réactif.
Modèle Qwen3 32BMatériel RTX 5090 32 GoPrécision Q4_K_MMoteur llama.cppContexte 32k
Mémoire 29 / 32 Go
Vitesse estimée ~50 tok/s
Consommation 575 W
Occupation de la mémoire 91 %
llama-server -hf unsloth/Qwen3-32B-GGUF:Q4_K_M -ngl 99 -c 32768Copier
Compact 2 300 €
Un gros MoE dans un mini-PC silencieux 128 Go de mémoire unifiée pour 2 300 € : idéal pour les MoE, qui restent rapides malgré une bande passante modeste.
Modèle Qwen3 30B-A3BMatériel Mini-PC Ryzen AI Max+ 395 128 GoPrécision Q8_0Moteur llama.cppContexte 16k
Mémoire 36 / 109 Go
Vitesse estimée ~39 tok/s
Consommation 140 W
Occupation de la mémoire 33 %
llama-server -hf unsloth/Qwen3-30B-A3B-GGUF:Q8_0 -ngl 99 -c 16384Copier
Compact 4 000 €
gpt-oss-120b dans une boîte de bureau Le modèle ouvert d’OpenAI tient entier dans le DGX Spark, avec de la marge pour un long contexte.
Modèle gpt-oss-120bMatériel NVIDIA DGX Spark 128 GoPrécision Q4_K_MMoteur OllamaContexte 32k
Mémoire 76 / 109 Go
Vitesse estimée ~47 tok/s
Consommation 240 W
Occupation de la mémoire 70 %
ollama run gpt-oss:120bCopier
Compact 4 400 €
Llama 70B sur un Mac Studio Silencieux, économe et prêt à l’emploi. Plus lent qu’une paire de GPU, mais sans aucun montage.
Modèle Llama 3.3 70BMatériel Mac Studio M4 Max 128 GoPrécision Q4_K_MMoteur OllamaContexte 16k
Mémoire 50 / 96 Go
Vitesse estimée ~7,1 tok/s
Consommation 150 W
Occupation de la mémoire 52 %
ollama run llama3.3:70bCopier
Compact 11 500 €
Qwen3 235B sur un seul Mac 512 Go de mémoire unifiée : la seule machine de bureau qui charge un modèle de cette taille sans serveur.
Modèle Qwen3 235B-A22BMatériel Mac Studio M3 Ultra 512 GoPrécision Q4_K_MMoteur OllamaContexte 32k
Mémoire 154 / 384 Go
Vitesse estimée ~34 tok/s
Consommation 270 W
Occupation de la mémoire 40 %
ollama run qwen3:235bCopier
Pro 9 900 €
gpt-oss-120b sur une station de travail 96 Go sur une seule carte : un modèle de 120 milliards de paramètres servi très vite, sans multi-GPU.
Modèle gpt-oss-120bMatériel RTX PRO 6000 Blackwell 96 GoPrécision Q4_K_MMoteur vLLMContexte 32k
Mémoire 76 / 96 Go
Vitesse estimée ~307 tok/s
Consommation 600 W
Occupation de la mémoire 80 %
vllm serve openai/gpt-oss-120bCopier
Équipe 36 000 €
Serveur d’équipe : 70B pour 10 personnes Quatre L40S en FP8 : la qualité quasi intacte et assez de cache pour dix conversations en parallèle.
Modèle Llama 3.3 70BMatériel 4 × L40S 48 GoPrécision FP8Moteur vLLMContexte 8k × 10 utilisateurs
Mémoire 99 / 192 Go
Vitesse estimée ~20 tok/s
Consommation 1 400 W
Occupation de la mémoire 52 %
vllm serve meta-llama/Llama-3.3-70B-Instruct --quantization fp8 --tensor-parallel-size 4 --max-model-len 8192Copier
Datacenter 270 000 €
DeepSeek R1 complet en FP8 Le modèle de raisonnement complet, sans compression, sur un nœud de 8 H200 (1,1 To de mémoire HBM).
Modèle DeepSeek R1 671BMatériel 8 × H200 141 GoPrécision FP8Moteur vLLMContexte 32k × 4 utilisateurs
Mémoire 714 / 1 128 Go
Vitesse estimée ~426 tok/s
Consommation 5 600 W
Occupation de la mémoire 63 %
vllm serve deepseek-ai/DeepSeek-R1 --tensor-parallel-size 8Copier