Classement mis à jour le 18/08/2026
La RTX 3060 12 GB est la carte budget la plus populaire pour faire tourner des LLM en local. 12 GB de VRAM permettent des modèles 7-9B en Q4/Q5 avec fluidité. Voici les meilleurs choix.
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
Dense 14B avec hybrid thinking. Égale Qwen 2.5 32B Base sur STEM/code.
ollama run qwen3:14b
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
4B effectifs multimodal (texte+image+audio). 140 langues. Pour laptop et edge.
ollama run gemma4:e4b
Raisonneur MIT 14B. Bat R1-Distill-Llama-70B sur AIME/GPQA avec 50× moins de paramètres.
ollama run phi4-reasoning:14b
Petit mais malin. 128k de contexte dans 4 GB.
ollama run phi3.5
Raisonnement exceptionnel pour sa taille. Orienté STEM.
ollama run phi4:14b
| Rang | Modèle | Params | VRAM Q4 | Contexte | Licence | Sur RTX 3060 12GB |
|---|---|---|---|---|---|---|
| #1 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
| #2 | Qwen 3 14B | 14B | 9 GB | 131 072 | Apache 2.0 | 6 tok/s · Q5_K_M |
| #3 | Phi-4 Mini 3.8B | 3.8B | 10 GB | 128 000 | MIT | 14 tok/s · Q5_K_M |
| #4 | Phi-4 Mini Reasoning 3.8B | 3.8B | 10 GB | 128 000 | MIT | 14 tok/s · Q5_K_M |
| #5 | Gemma 4 E4B | 4B | 10 GB | 128 000 | Gemma | 14 tok/s · Q5_K_M |
| #6 | Phi-4 Reasoning 14B | 14B | 9 GB | 32 768 | MIT | 6 tok/s · Q5_K_M |
| #7 | Phi-3.5 Mini | 3.8B | 10 GB | 131 072 | MIT | 14 tok/s · Q5_K_M |
| #8 | Phi-4 14B | 14B | 9 GB | 16 384 | MIT | 6 tok/s · Q5_K_M |
Comparez les prix de RTX 3060 12GB 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 qui tiennent en Q4_K_M dans 12 GB. Bonus pour ceux qui utilisent au moins 40% de la VRAM — on évite de recommander un modèle trop petit qui sous-exploite la carte.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
Peut-on faire du RAG sérieux sur RTX 3060 12 GB ?
Oui avec Llama 3.1 8B (contexte 128k) ou Qwen 2.5 7B (131k). En Q4, le modèle + contexte RAG de ~32k tient dans 12 GB. Pour du contexte > 100k, passez en Q4_0 ou limitez le batch.
RTX 3060 vs RX 6700 XT pour LLM ?
CUDA est beaucoup mieux supporté (Ollama, llama.cpp, vLLM tous optimisés). AMD marche via ROCm mais avec des setups plus complexes. Pour du LLM, NVIDIA reste le choix évident en 2026.
Quel Q choisir sur 12 GB ?
Q5_K_M pour un 7-8B (utilise ~7 GB, laisse de la marge pour un gros contexte). Q4_K_M pour un 12B (Mistral Nemo). Évitez Q3/Q2 — la dégradation est visible.
Peut-on tourner un 12B en temps réel ?
Oui — Mistral Nemo 12B en Q4_K_M (~7 GB) donne 10-15 tokens/sec sur 3060. Utilisable pour du chat, un peu lent pour de l'édition temps réel.