Classement mis à jour le 18/08/2026
16 Go de mémoire unifiée est le minimum pratique pour l'IA locale Mac. macOS prend 4 Go, on dispose de ~10-11 Go pour un LLM en Q4_K_M. Les 7-9B (Mistral, Qwen 3, Gemma 4) sont le sweet spot.
Dense 8B Apache 2.0, 12 langues dont FR, 131k ctx, GQA 32Q/8KV. MMLU 73.84, HumanEval 85.37. Sortie 29 avril 2026.
# HuggingFace : ibm-granite/granite-4.1-8b
3.8B MIT avec function calling. MMLU 67.3, HumanEval 74.4. 200k vocab, LongRoPE.
ollama run phi4-mini:3.8b
Raisonneur 3.8B MIT entraîné sur traces R1. AIME24 57.5, MATH-500 94.6.
ollama run phi4-mini-reasoning:3.8b
Petit mais malin. 128k de contexte dans 4 GB.
ollama run phi3.5
4B effectifs multimodal (texte+image+audio). 140 langues. Pour laptop et edge.
ollama run gemma4:e4b
Dense 7B 100% ouvert (poids + données + code). Transparence totale pour recherche.
ollama run olmo-3:7b
Granite Embedding R2 (IBM, Apache 2.0) : modèle d'embeddings multilingue pour RAG et recherche sémantique, 128k contexte, ~4 Go VRAM Q4.
# HuggingFace : ibm-granite/granite-embedding-multilingual-r2
Mode hybride thinking/fast. 119 langues, 32k natif (131k via YaRN).
ollama run qwen3:8b
| Rang | Modèle | Params | VRAM Q4 | Contexte | Licence | Sur Apple M2 (16 GB) |
|---|---|---|---|---|---|---|
| #1 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
| #2 | Phi-4 Mini 3.8B | 3.8B | 10 GB | 128 000 | MIT | 14 tok/s · Q4_K_M |
| #3 | Phi-4 Mini Reasoning 3.8B | 3.8B | 10 GB | 128 000 | MIT | 14 tok/s · Q4_K_M |
| #4 | Phi-3.5 Mini | 3.8B | 10 GB | 131 072 | MIT | 14 tok/s · Q4_K_M |
| #5 | Gemma 4 E4B | 4B | 10 GB | 128 000 | Gemma | 14 tok/s · Q4_K_M |
| #6 | OLMo 3 7B | 7B | 5 GB | 8 192 | Apache 2.0 | 12 tok/s · Q8 |
| #7 | Granite Embedding Multilingual R2 | 7B | 4.1 GB | 128 000 | Apache 2.0 | 32 tok/s · Q8 |
| #8 | Qwen 3 8B | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
Comparez les prix de Mac mini M2 chez nos marchands partenaires (prix et stock à jour) :
Liens affiliés — QuelLLM peut percevoir une commission sur les achats, sans surcoût pour vous, ce qui n'influence pas le classement (établi de façon indépendante). En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
Mémo gratuit
Reçois le mémo VRAM → meilleur modèle de code → commande Ollama (un seul écran, copier-coller). Et passe au kit Copilote Local pour en faire un setup qui marche vraiment.
Le kit Copilote Local — les configs Ollama + Cline + Aider prêtes à coller, Modelfiles réglés, dépannage, espace en ligne à vie →Pas de spam. Désinscription en 1 clic. Tes données restent chez nous (jamais revendues).
Ta carte → le meilleur modèle de code à faire tourner en local, et la commande Ollama exacte :
| Ta VRAM | GPU / Mac typiques | Modèle de code conseillé | Commande Ollama |
|---|---|---|---|
| 8 Go | RTX 4060 / 3060 · M1-M2 16 Go | Qwen2.5-Coder 7B (Q4) | ollama run qwen2.5-coder:7b |
| 12 Go | RTX 4070 / 5070 | Qwen2.5-Coder 14B (Q4) | ollama run qwen2.5-coder:14b |
| 16 Go | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 Go | DeepSeek-Coder-V2-Lite 16B ou Qwen2.5-Coder 14B Q8 | ollama run deepseek-coder-v2:16b |
| 24 Go | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 Go | Qwen2.5-Coder 32B (Q4) — le « proche Copilot » | ollama run qwen2.5-coder:32b |
| 32 Go | RTX 5090 | Qwen2.5-Coder 32B en Q5/Q6 ou Devstral Small 2 (agentique) | ollama run devstral |
| 48 Go+ | Mac M4 Max 64 Go · M2 Ultra 128 Go | Qwen3-Coder 30B-A3B (MoE rapide) ou un 32B en Q8 | ollama run qwen3-coder:30b |
🔌 Pour le brancher dans VS Code : Cline (agent multi-fichiers), Aider (CLI) ou Tabby/Twinny (autocomplétion FIM) — tous se connectent à Ollama en local. Le kit Copilote Local — configs prêtes à coller + setup testé — est dispo : /copilote-local.
Filtre : modèles 1-13B dont Q4_K_M tient sous 10 Go (laisse 6 Go à macOS + contexte large). Bonus 3-9B (peak 16 Go). MoE petits actifs (Qwen 3 30B-A3B) bonus en limite supérieure.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
Mac 16 Go : Mistral 7B ou Qwen 3 8B ?
Qwen 3 8B est légèrement plus capable (raisonnement, code) et tient en Q4 (~5 Go). Mistral 7B est plus rapide (~25-30 tok/s vs 22-28). Pour le français, Mistral garde l'avantage. Les deux excellents en 16 Go.
Mac mini M4 16 Go en serveur LLM 24/7 ?
Oui, excellent. Ollama + Open WebUI, port 11434 derrière reverse proxy. Mistral 7B Q4 ou Qwen 3 8B Q4 à 30+ tok/s. Conso idle 10W, charge 35W. Voir Mac mini M4.
Peut-on faire tourner Qwen 3 30B-A3B sur 16 Go ?
Tout juste : Q4_K_M demande ~17 Go pour le modèle entier, mais MoE ne charge que ~3 Go d'actifs. Avec mmap + swap léger, c'est jouable mais ralentit (15-20 tok/s). 24 Go ou 32 Go bien plus confortables. Voir Mac 32 Go.
Mac 16 Go vs PC RTX 4060 16 Go pour LLM ?
La RTX 4060 16 Go est ~2× plus rapide sur les 7-9B (vraie VRAM GDDR6 vs mémoire unifiée 100-120 Go/s). Le Mac gagne en silence, autonomie et facilité d'install. Voir comparatif GPU.