Classement mis à jour le 18/08/2026
16 GB de VRAM est le palier idéal pour les LLM 13-24B quantifiés. Cartes cibles : RTX 4080/4080 Super, RTX 5080, 4070 Ti Super, 4060 Ti 16 GB, RX 7800 XT. Voici les meilleurs modèles pour cette tranche.
DiffusionGemma 26B (Google) : Gemma vision-langage par diffusion, instruct, 128k contexte, 15 Go VRAM Q4. Apache 2.0. Sortie juin 2026.
# HuggingFace : google/diffusiongemma-26B-A4B-it
Spécialiste coding 24B Apache 2.0. 72.2% SWE-Bench. 256k ctx, FR lab.
ollama run devstral-small2:24b
Version 22B d'EuroLLM (Févr 2026). 35 langues UE. 32k ctx. Supplante EuroLLM 9B pour tâches lourdes.
# HuggingFace : utter-project/EuroLLM-22B-Instruct-2512
MoE 26B/3B actifs par labo US. Rapide grâce aux 3B actifs. Apache 2.0.
ollama pull hf.co/arcee-ai/Trinity-Mini-26B-GGUF
Small 3 enrichi de la vision. 128k ctx, Apache 2.0. Remplacé par Small 3.2 depuis juin 2025.
ollama run mistral-small3.1:24b
Premier raisonneur open Mistral. AIME24 70.7%. Base Small 3.1 + entraînement CoT.
ollama run magistral:24b
LFM2 24B (Liquid AI) : Liquid Foundation Model dense, 32k contexte, 14 Go VRAM Q4, alternative compacte aux 30B Apache. Sortie mars 2026.
ollama pull lfm2
| Rang | Modèle | Params | VRAM Q4 | Contexte | Licence | Sur RTX 4080 |
|---|---|---|---|---|---|---|
| #1 | DiffusionGemma 26B-A4B Instruct | 26B | 15 GB | 128 000 | Apache 2.0 | 14 tok/s · Q4_K_M |
| #2 | Devstral Small 2 24B | 24B | 14 GB | 256 000 | Apache 2.0 | 15 tok/s · Q4_K_M |
| #3 | EuroLLM 22B Instruct 2512 | 22.6B | 13 GB | 32 768 | Apache 2.0 | 16 tok/s · Q5_K_M |
| #4 | Trinity Mini 26B-A3B | 26B | 15 GB | 131 072 | Apache 2.0 | 40 tok/s · Q4_K_M |
| #5 | Mistral Small 3.1 24B | 24B | 14 GB | 128 000 | Apache 2.0 | 15 tok/s · Q4_K_M |
| #6 | Magistral Small 24B | 24B | 14 GB | 128 000 | Apache 2.0 | 15 tok/s · Q4_K_M |
| #7 | LFM2 24B | 24B | 14 GB | 32 768 | LFM Open License v1.0 | 14 tok/s · Q4_K_M |
Comparez les prix de RTX 4080 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.
On garde les modèles qui tiennent en Q4_K_M dans 16 GB, en favorisant ceux qui remplissent bien la VRAM (50-95%) — signe qu'on exploite le matériel.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
Quel LLM sur RTX 4080 16 GB ?
Notre top choix : DiffusionGemma 26B-A4B Instruct. Pour un bon compromis qualité/débit, restez sur des 13-24B quantifiés en Q4_K_M ou Q5.
Peut-on passer en Q5 ou Q8 sur 16 GB ?
Oui pour un 8-14B (Q5 d'un 14B = ~10 GB, Q8 d'un 8B = ~10 GB). Pas pour un 24B (Q5 ≈ 17 GB, hors budget). Q4 reste l'option pour les 24B.
Gemma 2 27B tient-il en 16 GB ?
En Q4_K_M seulement (≈ 16 GB) — limite de la limite. En Q5 il déborde (20 GB). Préférez Mistral Small 3.1 24B en Q4 (14 GB) pour garder de la marge.
RTX 4080 vs RTX 4070 Ti Super pour LLM ?
Les deux ont 16 GB mais la 4080 est 30-40% plus rapide (tier 4 vs 3 dans notre scoring). Si le budget le permet, la 4080 Super ou 5080 est clairement mieux.