Classement mis à jour le 13/10/2026
La RTX 4060 Ti 8 GB (GDDR6, 288 Go/s) est l'entry-mid Ada Lovelace. 8 Go = 7-9B en Q4_K_M. Bande passante faible mais Neural Engine moderne compense partiellement.
RTX 4060 Ti 8GB : 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 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 7B 100% ouvert (poids + données + code). Transparence totale pour recherche.
ollama run olmo-3:7b
Granite 4.2 8B (IBM) : dense Apache 2.0, 128k contexte, ~4,6 Go VRAM Q4. Chat, code et raisonnement multilingues pour l'entreprise.
ollama pull granite4.2
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
| Rang | Modèle | Params | VRAM Q4 | Contexte | Licence | Sur RTX 4060 Ti 8GB |
|---|---|---|---|---|---|---|
| #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 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q5_K_M |
| #4 | OLMo 3 7B | 7B | 5 GB | 8 192 | Apache 2.0 | 12 tok/s · Q5_K_M |
| #5 | Granite 4.2 8B | 8B | 4.6 GB | 128 000 | Apache 2.0 | 32 tok/s · Q5_K_M |
| #6 | LFM2.5 7B | 7B | 4.1 GB | 32 768 | LFM Open License v1.0 | 32 tok/s · Q8 |
| #7 | LFM2.5 DSpark | 7B | 4.1 GB | 32 768 | LFM Open License v1.0 | 32 tok/s · Q8 |
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 3-9B (peak 8 Go) et ≤ 7B. 288 Go/s = solid pour 7B.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
4060 Ti 8 GB vs 5060 8 GB ?
Même 8 Go. 5060 GDDR7 448 Go/s vs 4060 Ti GDDR6 288 Go/s. 5060 ~55 % plus rapide mais prix neuf similaires. Voir RTX 5060.
4060 Ti 8 GB ou 16 GB ?
Pour LLM : 16 GB est CRITIQUE — débloque les 24B (Mistral Small Q4). 8 GB plafonne à 7-9B. +150 € vaut le coup si LLM est l'usage principal. Voir 4060 Ti 16 GB.
Quels modèles sur 4060 Ti 8 ?
Mistral 7B Q4 (~4,5 Go, 20 tok/s), Qwen 3 8B Q4 (~5 Go, 18 tok/s), Phi-4 Mini 3,8B Q4 (~2,3 Go, 50+ tok/s). Voir 8 Go VRAM.
Quelle quantif sur 4060 Ti 8 ?
Q5_K_M pour 7B (qualité max ~5,5 Go). Q4_K_M pour 8-9B. Évitez Q3 même pour caser un 13B — la qualité dégradée n'en vaut pas la peine.