Intermédiaire 14 minOllama

Qwen 3.8 27B en local : installation Ollama et VRAM

Qwen 3.8 27B en local : installation Ollama et VRAM

Pour installer Qwen 3.8 27B avec Ollama, lancez « ollama run qwen3.8:27b ». Le fichier par défaut (q4_K_M) pèse 18 Go et le contexte annoncé est de 256 k tokens. Prévoyez 24 Go de VRAM ou un Mac avec 32 Go de mémoire unifiée ; en dessous, une partie du modèle passe sur le processeur. Le tableau ci-dessous donne la mémoire à prévoir pour chaque tag.

Par Mohamed Meguedmi·Màj 2026-11-19·Testé sur Windows, macOS, Linux

#Le verdict en 30 secondes

Qwen 3.8 27B s'installe en une commande. Le tag par défaut (q4_K_M) pèse 18 Go, d'après la page de la bibliothèque Ollama, et demande en pratique une carte de 24 Go de VRAM (RTX 3090, 4090, 5090) ou un Mac Apple Silicon avec au moins 32 Go de mémoire unifiée. En dessous, le modèle peut tourner, mais une partie des couches bascule sur le processeur et le débit chute.

La commande exacte (Ollama 0.40.16 au 9 novembre 2026)
# Télécharger puis discuter (18 Go à télécharger)
ollama run qwen3.8:27b

# Ou en deux temps
ollama pull qwen3.8:27b
ollama run qwen3.8:27b
Tags officiels de Qwen 3.8 sur Ollama : taille du fichier (page des tags, consultée le 16 novembre 2026) et mémoire à prévoir (estimation du site : fichier + cache de contexte + marge)
TagTaille du fichierMémoire à prévoirPour qui
qwen3.8:27b (aussi qwen3.8:latest ; q4_K_M)18 Go24 Go de VRAM, ou Mac 32 GoLe choix par défaut : RTX 3090, 4090, 5090
qwen3.8:27b-q4_K_M ; qwen3.8:27b-mtp-q4_K_M18 Go24 GoMême taille que le défaut ; la variante « mtp » est conçue pour la prédiction multi-tokens
qwen3.8:27b-q8_0 ; qwen3.8:27b-mtp-q8_030 Go40 Go et plusQualité plus proche des poids d'origine : carte de 48 Go, deux cartes, Mac 64 Go
qwen3.8:27b-bf16 ; qwen3.8:27b-mtp-bf1656 Go80 GoPoids non quantifiés : machines de calcul, Mac 128 Go
qwen3.8:27b-mlx ; qwen3.8:27b-nvfp418 GoMac 32 Go de mémoire unifiéeApple Silicon : tags marqués MLX par Ollama
qwen3.8:27b-dflash2-nvfp419 GoMac 32 Go de mémoire unifiéeVariante MLX plus récente (page mise à jour il y a deux semaines)
qwen3.8:27b-mxfp830 GoMac 48 Go de mémoire unifiéeApple Silicon, précision supérieure
qwen3.8:27b-mlx-bf1656 GoMac 96 Go de mémoire unifiéeApple Silicon, sans quantification
Ce que c'est
Un modèle dense de 27 milliards de paramètres, avec un encodeur visuel (images et vidéos), 262 144 tokens de contexte natif et la licence Apache 2.0, qui autorise l'usage commercial sous les conditions de la licence.
Le prérequis réaliste
24 Go de VRAM ou 32 Go de mémoire unifiée pour le q4_K_M (18 Go). Le q8_0 pèse 30 Go et le bf16 56 Go : prévoyez nettement plus de mémoire que la taille du fichier.
Le piège n°1
Le contexte annoncé est de 256 k, mais Ollama démarre avec une fenêtre bien plus petite selon votre VRAM (4 k sous 24 Gio, 32 k entre 24 et 48 Gio). Réglez-la vous-même : voir la section sur le contexte.
Le piège n°2
Le mode de réflexion est actif par défaut : le modèle produit du raisonnement avant de répondre. Réduisez reasoning_effort ou désactivez-le pour les tâches simples.
!
Les chiffres de performance viennent d'Alibaba
Tous les scores cités plus bas proviennent de la fiche de modèle officielle d'Alibaba sur Hugging Face. Nous n'avons pas relevé de reproduction indépendante : traitez-les comme des chiffres d'éditeur, cohérents avec la génération précédente mais non vérifiés ici.

#Ce qu'est vraiment Qwen 3.8 27B

Le kit IA Locale

Ton ChatGPT privé et gratuit sur ta machine en 1 heure — LM Studio, Ollama, Open WebUI, tes documents, sans cloud.

  • Espace en ligne à vie
  • PDF + fichiers
  • Remboursé 30 j

Contrairement à la mode des Mixture-of-Experts, Qwen3.8-27B est un modèle dense : les 27 milliards de paramètres sont activés à chaque token. C'est ce qui le rend prévisible en mémoire — pas de bonne surprise sur le débit, pas de mauvaise surprise sur la VRAM — et c'est aussi ce qui explique un débit local plus modeste qu'un MoE de taille comparable.

Sortie
Les poids ont été publiés en août 2026 sur Hugging Face (le 14 août d'après la presse ; la fiche ne donne que le mois) : le dépôt officiel est Qwen/Qwen3.8-27B.
Architecture
64 couches organisées en 16 blocs de « 3 × (Gated DeltaNet → FFN) puis 1 × (Gated Attention → FFN) ». Une attention hybride : la majorité des couches utilise une attention linéaire, économe en mémoire, entrecoupée de vraies couches d'attention pour la précision.
Modalités
Vision-langage natif : images fixes, documents, diagrammes scientifiques et vidéos. Ce n'est pas un adaptateur greffé après coup.
Contexte
262 144 tokens en natif. La fiche indique une extension jusqu'à 1 000 000 de tokens avec YaRN, non activé par défaut et déconseillé pour les textes courts ; elle recommande SGLang, vLLM ou TokenSpeed pour servir le modèle. Nous n'avons pas trouvé de procédure documentée pour l'activer dans Ollama.
Licence
Apache 2.0 : usage commercial, modification et redistribution autorisés sous les conditions de la licence.
Particularité
Le modèle est entraîné avec de la prédiction multi-tokens (MTP) : c'est la raison d'être des tags « mtp » d'Ollama. Le gain de vitesse dépend du moteur et n'est pas chiffré ici.
i
Ne pas confondre avec Qwen 3.8-Max
Qwen3.8-Max est la version officielle, accessible par l'API Qwen Cloud, d'un modèle de 2 400 milliards de paramètres dont 95 milliards actifs par token. Alibaba publie aussi les poids de ce modèle sous le nom Qwen3.8-2.4T-A95B, avec une licence « qwen3.8-max » distincte de l'Apache 2.0. Il est bien trop gros pour un poste personnel : le 27B est la variante pour votre machine.

#Le matériel qu'il faut

Le tableau en haut de page donne la taille de chaque tag. Elle ne suffit pas : il faut ajouter le cache de contexte (il grandit avec la longueur) et l'encodeur visuel. Comme règle empirique, comptez 15 à 25 % au-dessus de la taille du fichier ; vérifiez ensuite avec ollama ps, qui affiche la répartition entre GPU et processeur.

!
16 Go de VRAM : possible, mais pas confortable
Sur une RTX 4060 Ti 16 Go ou une 5070 Ti, le fichier de 18 Go ne tient pas entièrement en mémoire : Ollama place le reste sur le processeur et la génération ralentit nettement. Pour 16 Go, un modèle de 12 à 14 milliards de paramètres est un meilleur usage de la machine.

Côté vitesse, un plafond théorique s'obtient en divisant la bande passante mémoire par la taille du fichier, puisqu'un modèle dense relit l'essentiel de ses poids à chaque token. Avec les bandes passantes annoncées par Apple et un fichier de 18 Go : puce M5 (153 Go/s) environ 8 tokens par seconde, M5 Pro (307 Go/s) environ 17, M5 Max (614 Go/s) environ 34. Ce sont des calculs, pas des mesures : le réel est inférieur, et le mode de réflexion allonge l'attente avant la première ligne de réponse.

#Installer Qwen 3.8 27B avec Ollama

  1. 01
    Mettez Ollama à jour
    Qwen 3.8 demande une version récente d'Ollama. La dernière version publiée sur le dépôt officiel au 16 novembre 2026 est la 0.40.16 (9 novembre). Réinstallez depuis le site officiel, ou relancez le script d'installation sous Linux. Une version trop ancienne peut répondre « model not found » ou signaler une erreur d'architecture.
  2. 02
    Téléchargez le modèle
    18 Go à télécharger : prévoyez de la place sur le disque où Ollama stocke ses modèles. Si le téléchargement est interrompu, relancez la même commande.
  3. 03
    Lancez un premier échange
    La première réponse est plus lente, le temps que les poids soient chargés en mémoire. Si elle met plus d'une minute à démarrer, c'est le signe d'un débordement sur le processeur.
  4. 04
    Vérifiez où tourne le modèle
    La commande ollama ps affiche la répartition GPU/CPU. Tant que vous ne lisez pas 100 % GPU, chaque token coûte cher — descendez d'un cran de quantification ou réduisez le contexte.
Installation et premier test
# 1. Récupérer le modèle (18 Go)
ollama pull qwen3.8:27b

# 2. Discuter avec
ollama run qwen3.8:27b

# 3. Vérifier la répartition GPU / CPU et le contexte alloué
ollama ps
i
qwen3.8 tout court = le 27B
La page des tags d'Ollama indique que « qwen3.8:latest » et « qwen3.8:27b » portent la même taille (18 Go) : « ollama run qwen3.8 » revient au même. Le 27B est la seule taille publiée pour Qwen 3.8 sur Ollama, mais il existe plusieurs tags de quantification. Fixer le tag dans vos scripts évite les surprises si d'autres tailles arrivent.

#Sur Mac Apple Silicon : prenez la variante MLX

Ollama publie des tags marqués MLX, pour le moteur MLX d'Apple qu'il décrit comme tirant parti de la mémoire unifiée. Ollama annonce, dans un billet du 11 juin 2026, un moteur jusqu'à 20 % plus rapide qu'avant et la prise en charge du format NVFP4. Ces chiffres portent sur un autre modèle (Gemma 4 12B) : nous ne les reportons pas sur Qwen 3.8.

Sur Mac Apple Silicon
# Tag MLX (Apple Silicon)
ollama run qwen3.8:27b-mlx

# Mac 64 Go ou plus : précision supérieure
ollama run qwen3.8:27b-mxfp8
Mac 16 Go
Insuffisant : le fichier de 18 Go dépasse la mémoire totale.
Mac 24 Go
Très juste : le fichier laisse peu de place au contexte et au système. Acceptable pour essayer, pas pour travailler.
Mac 32 Go
Le point d'entrée raisonnable : le modèle tient et il reste de la marge pour le cache de contexte et le système.
Mac 64 Go et plus
Confortable, avec la possibilité de monter en mxfp8 ou de travailler sur de longs documents.

Les puces M5 changent surtout la bande passante et la mémoire disponible. Apple annonce 153 Go/s pour la puce M5, jusqu'à 307 Go/s et 64 Go de mémoire pour la M5 Pro, jusqu'à 614 Go/s et 128 Go pour la M5 Max. Plus de mémoire permet de viser les tags mxfp8 et bf16 ; plus de bande passante relève le plafond de vitesse. Ces chiffres sont ceux du constructeur, pas des mesures sur Qwen 3.8.

#Le piège du contexte 256k

C'est l'erreur de nombreux premiers essais. Le modèle annonce 262 144 tokens, mais Ollama choisit une fenêtre par défaut selon la VRAM : 4 k tokens sous 24 Gio, 32 k entre 24 et 48 Gio, 256 k à partir de 48 Gio (documentation d'Ollama). Un document plus long que la fenêtre risque d'être tronqué : le modèle répond alors sur un texte qu'il n'a pas vu en entier. Ollama recommande au moins 64 000 tokens pour les agents, le code et la recherche web.

Régler la fenêtre de contexte
# Pour tout le serveur Ollama (valeur recommandée pour les agents)
OLLAMA_CONTEXT_LENGTH=64000 ollama serve

# Dans une session interactive
/set parameter num_ctx 32768

# Ou via un Modelfile réutilisable
cat > Modelfile <<'EOF'
FROM qwen3.8:27b
PARAMETER num_ctx 32768
PARAMETER temperature 1.0
PARAMETER top_p 0.95
PARAMETER top_k 20
EOF
ollama create qwen38-long -f Modelfile
!
256k sur le papier, 16k à 64k chez vous
Le cache de contexte grandit avec la longueur et s'ajoute aux 18 Go de poids. Sur une carte de 24 Go, une fenêtre de 32 000 tokens est un réglage prudent, 64 000 est possible au prix de la marge, et 262 144 est hors d'atteinte : ce sont des estimations, à vérifier avec ollama ps (colonnes CONTEXT et PROCESSOR). L'attention rapide et la quantification du cache KV (variables OLLAMA_FLASH_ATTENTION et OLLAMA_KV_CACHE_TYPE) peuvent libérer de la mémoire.

Quant au million de tokens annoncé : il repose sur une extension YaRN qui se règle dans la configuration du modèle et que la fiche déconseille pour les textes courts. La fiche recommande SGLang, vLLM ou TokenSpeed pour le servir ; nous n'avons pas trouvé de chemin documenté pour l'obtenir avec Ollama. Sur une carte de 24 Go, il n'est de toute façon pas réaliste.

#Thinking mode et paramètres d'échantillonnage

Qwen 3.8 réfléchit avant de répondre : il produit un bloc de raisonnement, puis la réponse finale. C'est activé par défaut et c'est ce qui explique l'essentiel de la latence perçue. La fiche officielle propose trois niveaux de reasoning_effort : xhigh (défaut, pour les tâches complexes), medium et low (qui privilégie la vitesse). Dans Ollama, l'API accepte le paramètre think : false pour supprimer la réflexion.

Paramètres d'échantillonnage recommandés par Alibaba
Modetemperaturetop_ptop_kpresence_penalty
Thinking (défaut)1.00.95200.0
Instruct (sans réflexion)0.70.80201.5
Tâches courtes en local
Baissez reasoning_effort à low ou medium, ou désactivez la réflexion : sur une reformulation ou une extraction, une réflexion longue allonge surtout l'attente.
Tâches agentiques
Gardez la valeur par défaut, xhigh, que la fiche destine aux tâches complexes. Un effort réduit peut convenir, mais comparez les résultats sur vos propres tâches.
Réponses qui partent en boucle
La fiche conseille presence_penalty à 1.5 en mode instruct, 0.0 en mode réflexion. Montez la valeur par petits pas.
Sortie polluée par le raisonnement
Dans l'API d'Ollama, le raisonnement est renvoyé à part (champ thinking) et la réponse dans content. Si votre application affiche le raisonnement, elle ne sépare pas les deux champs ; désactivez la réflexion plutôt que de filtrer le texte.
Désactiver la réflexion pour une requête (API d'Ollama)
curl http://localhost:11434/api/chat -d '{
  "model": "qwen3.8:27b",
  "messages": [{"role": "user", "content": "Bonjour"}],
  "think": false,
  "stream": false
}'

#Analyser une image ou un document

La vision est native : capture d'écran, photo de tableau, schéma technique, page scannée. En ligne de commande, il suffit de donner le chemin du fichier dans le prompt ; via l'API, les images passent encodées en base64 dans le champ prévu par Ollama.

Vision en ligne de commande
ollama run qwen3.8:27b
>>> Décris ce schéma et liste les valeurs lisibles ./schema.png
!
Testez la vision avant la production
Si vos réponses ignorent l'image ou décrivent autre chose, mettez Ollama à jour avant de chercher plus loin, puis validez sur une dizaine de vos propres documents avant d'industrialiser.

#Ce que valent les scores annoncés

Le saut revendiqué face à Qwen 3.6-27B, le modèle de même taille de la génération précédente, est important, surtout sur le code agentique et l'usage d'ordinateur. Voici des chiffres publiés par Alibaba sur la fiche officielle ; nous ne les avons pas reproduits.

Qwen3.8-27B et Qwen3.6-27B : scores communiqués par Alibaba sur la fiche Hugging Face (non reproduits)
ÉpreuveQwen3.8-27BQwen3.6-27B
Terminal Bench 2.1 (code agentique)73,063,4
SWE-bench Pro61,753,5
LiveCodeBench v690,383,9
IFBench (suivi d'instructions)79,569,1
GPQA Diamond (sciences)89,287,8
OSWorld-Verified (usage d'ordinateur)84,363,9
OmniDocBench 1.5 (documents)91,189,4

Ce qu'il faut en retenir pour un usage local : les progrès portent surtout sur les tâches longues et outillées — piloter un terminal, corriger un dépôt, enchaîner des étapes sans dérailler. Sur une simple conversation ou un résumé, l'écart avec la génération précédente sera beaucoup moins visible que ces chiffres ne le laissent croire.

#Faut-il quitter Qwen 3.6, Gemma 4 ou gpt-oss ?

Vous êtes sur Qwen 3.6-27B
Probablement : même ordre de taille (17 à 19 Go selon la page des tags d'Ollama), même licence, gains annoncés sur le code et l'agentique. Gardez l'ancien tag le temps de valider vos prompts, le style des sorties peut changer.
Vous êtes sur Gemma 4 26B
Qwen 3.8 annonce de meilleurs scores sur le code et l'agentique ; côté licence, les deux sont en Apache 2.0, Gemma 4 étant passé sous cette licence en avril 2026. Comparez-les sur vos propres textes en français, nous n'avons pas de mesure à vous donner.
Vous êtes sur gpt-oss-20b
Deux philosophies : gpt-oss 20B (14 Go chez Ollama, contexte de 128 k, texte seul) est plus léger ; Qwen 3.8 accepte les images et annonce 256 k de contexte. Choisissez selon la mémoire disponible.
Vous cherchez surtout à coder
Un modèle spécialisé code en MoE de 30 milliards de paramètres, comme Qwen3-Coder 30B-A3B (19 Go), est plus léger à faire tourner. Qwen 3.8 27B se justifie quand l'agent doit lire, planifier et modifier plusieurs fichiers.
Vous avez moins de 24 Go
Ne forcez pas. Un modèle de 12 à 14 milliards de paramètres vous donnera une meilleure expérience qu'un 27B qui déborde sur le processeur.

#Dépannage

« model not found » au pull
Ollama est trop ancien pour connaître ce dépôt, ou le tag est mal orthographié — c'est bien « qwen3.8:27b », avec un point, pas un tiret. Mettez Ollama à jour puis relancez.
Erreur d'architecture au chargement
Même cause probable : la version d'Ollama est trop ancienne pour l'architecture hybride de Qwen 3.8.
Génération très lente
Le modèle déborde probablement sur le processeur. Vérifiez avec ollama ps : si la répartition n'est pas à 100 % GPU, réduisez le contexte, fermez les autres applications GPU, ou passez à un modèle plus petit.
Réponses qui ignorent le début du document
Contexte tronqué. Réglez le contexte à la hauteur de votre entrée (OLLAMA_CONTEXT_LENGTH ou num_ctx), ou découpez le document.
Le modèle « pense » sans fin
reasoning_effort trop élevé pour la tâche. Descendez à medium ou low, ou désactivez la réflexion pour les tâches simples.
L'image est ignorée
Le chemin du fichier doit être accessible depuis le processus Ollama, et le parseur vision demande une version à jour. Testez avec une image locale simple avant d'incriminer le modèle.
Manque de place disque
Prévoyez de la marge au-delà de la taille annoncée pendant l'installation. Un téléchargement interrompu par un disque plein peut laisser des fragments : supprimez le modèle avec ollama rm, puis relancez le pull.

#Questions fréquentes

Questions fréquentes
Quelle VRAM faut-il pour Qwen 3.8 27B ?+
24 Go de VRAM pour le tag par défaut (q4_K_M), dont le fichier pèse 18 Go et auquel s'ajoute le cache de contexte. Le q8_0 pèse 30 Go (prévoyez 40 Go et plus) et le bf16 56 Go. Sur Mac, visez au moins 32 Go de mémoire unifiée.
Comment installer Qwen 3.8 27B en local ?+
Installez ou mettez à jour Ollama, puis lancez « ollama run qwen3.8:27b » : le fichier de 18 Go est téléchargé au premier lancement. Sur un Mac Apple Silicon, essayez plutôt le tag qwen3.8:27b-mlx.
Qwen 3.8 27B est-il gratuit et utilisable en entreprise ?+
Oui. Les poids sont publiés sous licence Apache 2.0, qui autorise l'usage commercial, la modification et la redistribution sous les conditions de la licence. Lisez-la avant tout usage dans un produit.
Existe-t-il un Qwen 3.8 de 14 ou 8 milliards de paramètres ?+
Pas à ce jour parmi les modèles officiels : la collection Qwen3.8 de Hugging Face contient le 27B (et sa version FP8) et le modèle de 2 400 milliards de paramètres. Sur Ollama, la page qwen3.8 ne liste que des tags en 27b. Pour 12 à 16 Go de mémoire, voyez la page sur la famille Qwen.
Quelle différence entre Qwen 3.8 27B et Qwen 3.8-Max ?+
Qwen3.8-Max est la version officielle, accessible par API, d'un modèle de 2 400 milliards de paramètres (95 milliards actifs). Ses poids existent sous le nom Qwen3.8-2.4T-A95B, avec une licence distincte de l'Apache 2.0, mais ils sont hors de portée d'un poste personnel. Le 27B est la variante conçue pour votre machine.
Peut-on faire tourner Qwen 3.8 27B avec 16 Go de VRAM ?+
Techniquement oui, mais le fichier de 18 Go dépasse 16 Go : une partie du modèle bascule sur le processeur et la génération ralentit nettement. Sur 16 Go, un modèle de 12 à 14 milliards de paramètres est un meilleur choix.
Qwen 3.8 27B est-il meilleur que Qwen 3.6 27B ?+
D'après les scores publiés par Alibaba, oui sur le code agentique (73,0 contre 63,4 sur Terminal Bench 2.1) et l'usage d'ordinateur (84,3 contre 63,9 sur OSWorld-Verified). Ces scores sont ceux de l'éditeur, et l'écart est probablement moins visible sur une conversation simple.
Peut-on désactiver le mode réflexion de Qwen 3.8 ?+
Oui. La réflexion est active par défaut ; la page d'Ollama indique qu'elle se désactive par requête, et l'API accepte think: false. Son niveau se règle avec reasoning_effort (xhigh, medium ou low). En mode sans réflexion, la fiche conseille temperature 0,7 et top_p 0,80.
Le contexte d'un million de tokens est-il accessible en local ?+
Pas de façon documentée avec Ollama, à notre connaissance. Le contexte natif est de 262 144 tokens ; l'extension à un million passe par YaRN, que la fiche associe à SGLang, vLLM ou TokenSpeed. Sur 24 Go, une fenêtre de 16 000 à 64 000 tokens est un réglage réaliste.

#Sources et vérification du 16 novembre 2026

Les tailles et tags viennent des pages officielles de la bibliothèque Ollama, les caractéristiques et scores de la fiche Hugging Face d'Alibaba, le contexte par défaut de la documentation d'Ollama. Les mémoires conseillées sont des estimations du site, pas des mesures.

#Pour aller plus loin

Ce guide suppose une installation Ollama fonctionnelle et un choix de quantification assumé. Ces pages complètent le sujet :

Installer Ollama
Le prérequis si le moteur n'est pas encore en place, sur Windows, macOS ou Linux — et la mise à jour, indispensable pour Qwen 3.8.
Choisir sa quantification
Pour arbitrer entre Q4, Q8 et BF16 en connaissance de cause : ce que chaque cran coûte en mémoire et ce qu'il rend en qualité.
Qwen 3.8 : la chronologie des open weights
D'où vient la confusion entre le Max en API et le 27B ouvert, et ce qui a été réellement annoncé quand.
Quel LLM pour 24 Go de VRAM
Le comparatif des modèles qui tiennent sur une carte 24 Go, si vous hésitez encore entre Qwen 3.8 27B et une alternative plus légère.
Ce guide vous a aidé ?

Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.