Classement mis à jour le 18/08/2026
Le MacBook Air M3 (8 / 16 / 24 Go, 100 Go/s) reste un excellent laptop pour l'IA locale. Sans ventilateur, on privilégie les 3-9B en Q4_K_M et les MoE petits actifs.
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
| 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 |
Comparez les prix de MacBook Air M3 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 : 1-13B dont Q4_K_M tient sous 12 Go. Bonus 3-8B (peak Air M3) et MoE petits actifs. Bonus licences libres pour MLX (conversion plus simple).
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
MacBook Air M3 8 Go : c'est jouable ?
Tout juste : Llama 3.2 3B Q4 (~2 Go) ou Phi-4 Mini 3,8B Q4 (~2,3 Go) — 30-40 tokens/sec. macOS prend déjà 4 Go : on a peu de marge contexte. Vraiment minimaliste, préférez 16 Go.
MacBook Air M3 16 Go : quels modèles ?
Mistral 7B Q4 (~4,5 Go), Qwen 3 8B Q4 (~5 Go), Gemma 4 9B Q4 (~5,5 Go) — 20-28 tokens/sec. Idéal pour chat, codage léger, RAG personnel. Voir le guide MacBook Air M3.
Air M3 vs Air M4 : différence pour les LLM ?
M4 est ~15-20 % plus rapide à bande passante mémoire équivalente (Neural Engine renforcé). Pour du LLM, la différence reste minime : Mistral 7B Q4 = 25 tok/s sur M3 vs 30 tok/s sur M4. Pas un upgrade nécessaire.
Quel modèle français sur MacBook Air M3 ?
Mistral 7B Instruct ou Mistral Nemo 12B Q4 (sur 24 Go) sont les meilleurs en FR. Lucie 7B (CNRS) est l'option 100 % souveraine mais limitée à 4k de contexte. Voir classement FR.