Classement mis à jour le 13/10/2026
La RTX 4060 (8 GB GDDR6, 272 Go/s) est l'entry-level Ada Lovelace. 8 Go suffisent pour les 7-9B en Q4 mais le débit reste modeste (~20 tok/s sur 7B).
RTX 4060 : alternative d’achat disponible pour l’IA locale — RTX 5060 Ti 16 Go :
Quel PC choisir selon votre budget ? Nos choix de 800 à 3 500 € →
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.
Fine-tune SFT « thinking » d'OLMo 3 7B : raisonnement pas-à-pas, 16k contexte, ~4,2 Go VRAM en Q4. 100% ouvert, licence Apache 2.0.
# HuggingFace : zimplex/olmo3-7b-think-sft-eosfix-16k-3ep-euc
GLM 5.3 (Zhipu) : dense 7B spécialisé code et raisonnement, 128k contexte, ~4,1 Go VRAM Q4. Léger, tourne sur GPU 6-8 Go, licence MIT.
ollama pull glm-5.3
Dense 7B 100% ouvert (poids + données + code). Transparence totale pour recherche.
ollama run olmo-3:7b
LFM2.5 7B (Liquid AI) : Liquid Foundation Model dense, 32k contexte, 4.1 Go VRAM Q4. Optimisé pour CPU et edge. Sortie mai 2026.
ollama pull lfm2.5
LFM2.5 DSpark (Liquid AI) : Liquid Foundation Model dense 7B, 32k contexte, ~4,1 Go VRAM Q4. Chat polyvalent optimisé edge/CPU.
# HuggingFace : LiquidAI/LFM2.5-DSpark
LLM souverain francophone, entraîné sur corpus FR.
ollama run lucie:7b
Spécialisé code. Rivalise avec les modèles propriétaires sur HumanEval.
ollama run qwen2.5-coder:7b
| Rang | Modèle | Params | VRAM Q4 | Contexte | Licence | Sur RTX 4060 |
|---|---|---|---|---|---|---|
| #1 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 32 tok/s · Q8 |
| #2 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 32 tok/s · Q8 |
| #3 | OLMo 3 7B | 7B | 5 GB | 8 192 | Apache 2.0 | 12 tok/s · Q5_K_M |
| #4 | LFM2.5 7B | 7B | 4.1 GB | 32 768 | LFM Open License v1.0 | 32 tok/s · Q8 |
| #5 | LFM2.5 DSpark | 7B | 4.1 GB | 32 768 | LFM Open License v1.0 | 32 tok/s · Q8 |
| #6 | Lucie 7B | 7B | 5 GB | 4 096 | Apache 2.0 | 12 tok/s · Q5_K_M |
| #7 | Qwen 2.5 Coder 7B | 7B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q5_K_M |
Ton ChatGPT privé et gratuit sur ta machine en 1 heure — LM Studio, Ollama, Open WebUI, tes documents, sans cloud.
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 | Qwen 3.5 9B (Q4, 6,6 Go — 256k ctx) | ollama run qwen3.5:9b |
| 12 Go | RTX 3060 12 Go / 4070 / 5070 | Qwen 3.5 9B (Q8, 11 Go) ou Gemma 4 12B (7,6 Go) | ollama run qwen3.5:9b-q8_0 |
| 16 Go | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 Go | Devstral 24B (Q4, 14 Go) — spécialiste agent de code | ollama run devstral:24b |
| 24 Go | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 Go | Qwen 3.8 27B (Q4, 18 Go) — le « proche Copilot » | ollama run qwen3.8:27b |
| 32 Go | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 Go) — MoE rapide | ollama run qwen3.6:35b |
| 48 Go+ | Mac M4 Max 64 Go · M2 Ultra 128 Go | Qwen3-Coder 30B-A3B (Q8, 32 Go — 256k ctx) | ollama run qwen3-coder:30b-a3b-q8_0 |
-base : ollama run qwen2.5-coder:7b-base — c'est encore la référence sur ce cas précis. ⚠️ Qwen 3.8 : son raisonnement est réglé très haut par défaut et il « sur-réfléchit » sur des demandes simples — baisse-le à low (ou coupe-le) au premier lancement. ⚠️ Piège licence : Codestral 22B = Mistral Non-Production License → interdit pour coder au travail. Qwen 3.5/3.8, Gemma 4 et Devstral sont en Apache 2.0. 💡 Ça plante en mémoire ? Garde ~1,5 Go de VRAM libre pour le contexte, ou descends d'un cran de quantization.🔌 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 : Q4_K_M ≤ 7 Go. Bonus 1-7B et ≤ 3B (rapides). 272 Go/s correct pour 7B.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
RTX 4060 vs 5060 ?
5060 GDDR7 448 Go/s vs 4060 GDDR6 272 Go/s = ~65 % gain. Mistral 7B Q4 : 5060 ~40 tok/s vs 4060 ~24 tok/s. Si neuf, 5060. Voir RTX 5060.
4060 ou 3060 12 Go d'occasion ?
3060 12 Go = +4 Go VRAM mais ~25 % moins rapide (GDDR6 360 Go/s vs 4060 272 Go/s, mais Ada plus efficient). 3060 12 Go gagne pour LLM (13B accessible). Voir RTX 3060.
Sweet spot LLM 4060 ?
Mistral 7B Q5 (~5,5 Go) à 18 tok/s, Llama 3.2 3B Q4 à 40+ tok/s, Phi-4 Mini à 45+ tok/s. Pour 13B+, viser 12 Go (RTX 4070).
Faut-il une 4060 en 2026 ?
Pour LLM seul, viser 5060 (gain GDDR7) ou 4060 Ti 16 GB (gain VRAM). 4060 reste correcte si elle est déjà dans le PC. Voir 4060 Ti 16 GB.