Quel LLM sur Radeon RX 7900 GRE (16 Go) ?

#Ce que fait une RX 7900 GRE en 2026

La RX 7900 GRE charge en Q4 tout ce qui pèse moins de 15 Go : Gemma 4 12B jusqu'en Q8, gpt-oss 20B et Devstral Small 2 24B avec un contexte court. Sa vitesse de génération, plafonnée par ses 576 Go/s, se situe autour de 116 tokens par seconde sur le 7B de référence des scoreboards sous Vulkan. C'est ce qu'il faut retenir : son nombre de processeurs de flux, 5 120 contre 3 840 pour la 7800 XT, accélère la lecture des prompts mais pas la génération, car elle n'a ni plus de mémoire ni plus de bande passante que sa voisine. AMD la liste officiellement dans ROCm et Ollama la prend en charge sous Linux et sous Windows.

Architecture

RDNA 3, Navi 31 (la puce de la RX 7900 XTX, ici allégée), 80 unités de calcul et 5 120 processeurs de flux.

Mémoire

16 Go GDDR6 avec un bus de 256 bits, soit 576 Go/s.

Consommation

260 W de puissance de carte.

Disponibilité

Réservée d'abord à la Chine (27 juillet 2023), commercialisée à l'international le 27 février 2024, à 549 dollars de prix de lancement.

Prix actuel

Consultez /prix-gpu-ia : le prix change chaque semaine.

#7900 GRE contre 7800 XT : la mémoire décide

Les deux cartes offrent 16 Go. La 7800 XT a 624 Go/s de bande passante, la 7900 GRE 576 Go/s, soit 8 % de moins. En génération, où chaque token relit tous les poids, c'est la bande passante qui commande : la 7800 XT devance donc légèrement la GRE dans la discussion Vulkan de llama.cpp, et plus nettement avec la Flash Attention activée. La GRE reprend l'avantage en lecture de prompt sous Vulkan (16 % de plus), là où le calcul pèse. Sous ROCm, les deux séries publiques donnent la 7800 XT devant sur les deux mesures.

Ces séries viennent de contributeurs différents, avec des commits de llama.cpp différents : l'écart est un ordre de grandeur, pas une comparaison de laboratoire. Elles concordent pourtant sur le fait que la GRE ne génère pas plus vite qu'une 7800 XT. Si vous trouvez les deux au même prix, prenez la 7800 XT pour un usage de conversation, la GRE pour un usage avec de longs prompts.

• Radeon RX 7800 XT : la même VRAM, plus de bande passante

#Ce qui tient dans 16 Go de VRAM

Comptez environ 15 Go pour le modèle et son cache KV quand la carte n'alimente pas l'écran. Les poids en Q4 viennent du catalogue QuelLLM ; le contexte s'y ajoute.

La frontière des 16 Go se situe donc entre le 24B, qui entre, et le 31B, qui n'entre pas. Pour franchir cette frontière sans passer à une carte de 24 Go, la RX 7900 XT à 20 Go offre une marge intermédiaire ; le guide dédié détaille ce qu'elle apporte. Pour l'ensemble des cartes de 16 Go, indépendamment de la marque, la page par VRAM compare les modèles.

• Radeon RX 7900 XT : 20 Go pour dépasser le 24B
• Quel LLM pour 16 Go de VRAM, toutes cartes confondues

#Débits mesurés et plafond de bande passante

Aucun chiffre de cette page n'est une mesure du site. Les valeurs proviennent des discussions publiques du dépôt llama.cpp, qui utilisent toutes Llama 2 7B en Q4_0 (3,56 GiB) et llama-bench. La lecture du prompt (pp512) mesure la vitesse d'ingestion de 512 tokens ; la génération (tg128) mesure la vitesse d'écriture. Pour la RX 7900 GRE sous Vulkan, la discussion donne 116,11 tokens par seconde en génération sans Flash Attention et 110,50 avec. Sous ROCm, elle donne 96,07.

Le plafond théorique de la génération, bande passante divisée par la taille des poids, est ici de 576 Go/s pour 3,82 Go, soit environ 151 tokens par seconde. La carte en atteint 77 % sous Vulkan sans Flash Attention. Appliquer ce rendement à des modèles plus gros donne un ordre de grandeur : ce n'est pas une mesure, et un autre pilote ou une autre version de llama.cpp le fera bouger.

#Ce que la lecture du prompt change en pratique

La lecture du prompt semble abstraite tant qu'on ne la convertit pas en secondes d'attente. Le calcul est simple : nombre de tokens du prompt divisé par la vitesse pp512. Il suppose que la vitesse mesurée sur 512 tokens se maintient sur un prompt plus long, ce qui n'est qu'approximativement vrai, car la lecture ralentit quand le contexte grandit. Les temps ci-dessous sont donc des ordres de grandeur pour un document d'environ 4 000 tokens, soit une dizaine de pages.

L'écart entre ces cartes se mesure donc en fractions de seconde sur un document court. Il devient sensible quand le prompt atteint des dizaines de milliers de tokens, comme dans un dépôt de code entier ou un lot de PDF, ou quand chaque requête d'un agent relit de gros contextes. Pour un usage à faible volume, choisissez la carte sur son coût du Go de VRAM, pas sur ce critère.

#Face à la RX 9070 : même VRAM, RDNA 4

La RX 9070 est l'autre carte de 16 Go de la gamme actuelle. Elle a 640 Go/s de bande passante contre 576 Go/s, un TDP de 220 W contre 260 W, et 3 584 processeurs de flux. Sous Vulkan, elle génère à 119,71 tokens par seconde et lit à 3 164 : plus vite en lecture de prompt de 35 %, presque à égalité en génération. La différence pratique est ailleurs : ROCm, Ollama et Windows se comportent différemment pour ces deux générations, ce que détaille la page de la RX 9070. Un exemple concret : la documentation d'Ollama liste la RX 9070 parmi les cartes ROCm sous Linux mais pas sous Windows, où elle passe par Vulkan, alors que la RX 7900 GRE figure dans les listes des deux systèmes. Si vous travaillez sous Windows et tenez à ROCm, cela avantage la GRE ; si vous acceptez Vulkan, la différence disparaît.

• Radeon RX 9070 : RDNA 4 et 16 Go

#Mise en route

1. 01
   Choisir le système

   AMD ne prend en charge les Radeon RX 7000 que sous Ubuntu 24.04.4, Ubuntu 22.04.5, RHEL 10.1 et RHEL 9.7. Sous Windows, Ollama utilise une pile ROCm v7 ou HIP7.
2. 02
   Installer Ollama

   Le pilote ROCm v7 est requis sous Linux. Vulkan, activé par défaut, sert de repli et donne de bons résultats sur cette carte.
3. 03
   Charger un modèle qui tient

   Testez d'abord un 12B ou un 20B, puis un 24B, avec un contexte court. Vérifiez avec ollama ps que le modèle est entièrement sur le GPU.
4. 04
   Comparer les deux backends

   Lancez llama-bench avec Vulkan puis avec ROCm, avec et sans Flash Attention. Sur cette carte la Flash Attention a ralenti la génération sous Vulkan dans les mesures publiques.

ollama ps
./llama-bench -m llama-2-7b.Q4_0.gguf -ngl 100 -fa 0,1

• Ollama et GPU AMD : ROCm, Vulkan et variables utiles

#Pour quel usage choisir la 7900 GRE

Le critère qui la distingue est le rapport entre calcul et mémoire : beaucoup de puissance de calcul pour 16 Go et 576 Go/s. Elle convient quand le temps avant le premier mot compte autant que la vitesse d'écriture, par exemple un assistant qui ingère de longs documents ou un flux RAG dont le prompt fait des milliers de tokens. Pour un chat court, l'avantage disparaît et la 7800 XT, avec plus de bande passante, fait aussi bien ou mieux.

En résumé pour les trois cartes de 16 Go : la 7800 XT est le choix simple pour la conversation, la 9070 le choix le plus rapide en lecture et le plus sobre, à 220 W, et la 7900 GRE le choix opportuniste quand son prix passe sous celui des deux autres. Aucune ne débloque les modèles de 30 milliards de paramètres, qui exigent davantage de mémoire.

#Verdict 2026

Un choix pertinent

Si vous trouvez la GRE au prix d'une 7800 XT ou moins, et que vos prompts sont longs.

Un choix moins pertinent

Si elle coûte plus cher qu'une 7800 XT et que vous faites surtout de la conversation : vous payez du calcul que la génération n'utilise pas.

À vérifier avant achat

Que le système détecte bien 16 Go de VRAM et le bon modèle de carte, avec rocminfo sous Linux ou le gestionnaire de tâches sous Windows.

• Prix des cartes graphiques pour l'IA locale, relevés deux fois par semaine
• Documentation Ollama : cartes AMD prises en charge
• Compatibilité GPU de ROCm, documentation AMD
• Scoreboard Vulkan du dépôt llama.cpp

#Questions fréquentes