Qwen 600M
Alibaba Qwen3 0.6B
ChatMultilingue
RAM min. 2 Go (Q4_K_M)
ollama run qwen3:0.6b Catalogue des modèles LLM
La base de données française la plus complète pour trouver, comparer et télécharger des modèles LLM open source. Commandes Ollama, RAM nécessaire, liens HuggingFace - tout ce qu'il faut pour démarrer en local.
25 modèles référencés
100% open source
Mis à jour 2026
Compatible avec votre machine ?
Découvrez en 10 secondes quels modèles tournent sur votre Mac, PC ou Linux, selon votre RAM et votre GPU.
25 modèles affichés
Qwen 1.7B
Alibaba Qwen3 1.7B
ChatRaisonnementMultilingue
RAM min. 3 Go (Q4_K_M)
ollama run qwen3:1.7b Qwen 4B
Alibaba Qwen3 4B
ChatCodeRaisonnementMultilingue
RAM min. 5 Go (Q4_K_M)
ollama run qwen3:4b Qwen 8B
Alibaba Qwen3 8B
ChatCodeRaisonnementMultilingue
RAM min. 7 Go (Q4_K_M)
ollama run qwen3:8b Qwen 14B
Alibaba Qwen3 14B
ChatCodeRaisonnementMultilingue
RAM min. 12 Go (Q4_K_M)
ollama run qwen3:14b Qwen 30B
Alibaba Qwen3 30B-A3B (MoE)
ChatCodeRaisonnementMultilingue
RAM min. 22 Go (Q4_K_M)
ollama run qwen3:30b Qwen 32B
Alibaba Qwen3 32B
ChatCodeRaisonnementMultilingue
RAM min. 24 Go (Q4_K_M)
ollama run qwen3:32b Qwen 30B
Alibaba Qwen3-Coder 30B (MoE)
CodeChat
RAM min. 22 Go (Q4_K_M)
ollama run qwen3-coder:30b Gemma 1B
Google Gemma 3 1B
ChatMultilingue
RAM min. 3 Go (Q4_K_M)
ollama run gemma3:1b Gemma 4B
Google Gemma 3 4B (multimodal)
ChatVisionMultilingue
RAM min. 6 Go (Q4_K_M)
ollama run gemma3:4b Gemma 12B
Google Gemma 3 12B (multimodal)
ChatCodeVisionMultilingue
RAM min. 11 Go (Q4_K_M)
ollama run gemma3:12b Gemma 27B
Google Gemma 3 27B (multimodal)
ChatCodeVisionRaisonnementMultilingue
RAM min. 22 Go (Q4_K_M)
ollama run gemma3:27b gpt-oss 20B
OpenAI gpt-oss 20B (MoE)
ChatCodeRaisonnement
RAM min. 16 Go (Q4_K_M)
ollama run gpt-oss:20b Mistral 24B
Mistral Small 3 (24B)
ChatCodeMultilingue
RAM min. 18 Go (Q4_K_M)
ollama run mistral-small:24b Mistral 24B
Mistral Magistral Small (24B)
RaisonnementChatMultilingue
RAM min. 18 Go (Q4_K_M)
ollama run magistral:24b Mistral 24B
Mistral Devstral Small (24B)
CodeChat
RAM min. 18 Go (Q4_K_M)
ollama run devstral:24b Llama 70B
Meta Llama 3.3 70B Instruct
ChatCodeRaisonnementMultilingue
RAM min. 48 Go (Q4_K_M)
ollama run llama3.3:70b DeepSeek 8B
DeepSeek R1 Distill 8B
RaisonnementCodeChat
RAM min. 7 Go (Q4_K_M)
ollama run deepseek-r1:8b DeepSeek 14B
DeepSeek R1 Distill 14B
RaisonnementCodeChat
RAM min. 12 Go (Q4_K_M)
ollama run deepseek-r1:14b DeepSeek 32B
DeepSeek R1 Distill 32B
RaisonnementCodeChat
RAM min. 24 Go (Q4_K_M)
ollama run deepseek-r1:32b DeepSeek 70B
DeepSeek R1 Distill 70B
RaisonnementCodeChat
RAM min. 48 Go (Q4_K_M)
ollama run deepseek-r1:70b Phi 14B
Microsoft Phi-4 (14B)
RaisonnementCodeChat
RAM min. 12 Go (Q4_K_M)
ollama run phi4:14b Moondream 1.8B
Moondream 2 (vision)
VisionChat
RAM min. 4 Go (Q4_K_M)
ollama run moondream:1.8b Nomic 137M
Nomic Embed Text v1.5
RAM min. 2 Go (Q4_K_M)
ollama run nomic-embed-text:latest MixedBread 335M
MixedBread mxbai-embed-large-v1
RAM min. 2 Go (Q4_K_M)
ollama run mxbai-embed-large:latest Comment télécharger un LLM ?
Télécharger et lancer un LLM en local est plus simple qu'il n'y paraît. La méthode la plus rapide passe par Ollama, un outil gratuit disponible sur Mac, Windows et Linux.
1
Installer Ollama
Téléchargez Ollama sur ollama.com. L'installation prend moins de 2 minutes et ne nécessite aucune configuration.
2
Choisir un modèle
Parcourez le catalogue ci-dessus et repérez la colonne RAM min. Choisissez un modèle dont la RAM nécessaire est inférieure à la RAM disponible sur votre machine.
3
Lancer la commande
Copiez la commande Ollama affichée sur la fiche du modèle, collez-la dans votre terminal et appuyez sur Entrée. Le modèle se télécharge et démarre automatiquement.
ollama run qwen3:8b 4
Commencer à utiliser
Vous pouvez dialoguer directement dans le terminal, ou connecter Ollama à des interfaces graphiques comme Open WebUI ou des éditeurs comme VS Code et Cursor.