Classement mis à jour le 18/08/2026
La RTX 5090 (Blackwell, 32 GB GDDR7, 1792 Go/s) est le premier GPU consumer à dépasser les 24 Go. Llama 70B Q4_K_M tient avec 12 Go de marge pour le contexte. Référence absolue local 2026.
GLM-4.7-Flash (MoE 31B, ~3B actifs) : le meilleur rapport code/VRAM de la classe 30B. MIT, 128k ctx, très rapide sur 3090/4090.
ollama run glm-4.7-flash
MoE 33B/3B actifs Apache 2.0 spécialiste coding agentic. 68.2% SWE-Bench Verified, 128k ctx. Tourne sur Mac 36 Go. Sortie 28 avril 2026.
ollama run laguna-xs.2
MoE 30B/3B actifs : thinking mode + instruct. Médaille d'or IMO 2025 et IOI 2025. Inférence rapide grâce aux 3B actifs, capacités raisonnement de niveau 30B. Sortie avril 2026.
ollama run nemotron-cascade-2
Hybride Mamba-2 + MoE 32B/9B actifs. ~70% de RAM en moins en long contexte. Apache 2.0.
ollama run granite4:small-h
MoE 30B/3B actifs hybrid thinking. MMLU 81.4, AIME24 80.4. 100+ langues.
ollama run qwen3:30b-a3b
MoE 30B/3.5B actifs NVIDIA : chat, code, raisonnement. 128k ctx, vitesse d'un 3.5B avec capacités d'un 30B. Sortie avril 2026.
ollama run nemotron-3-nano
Nemotron 3.5 Lightning : MoE 30B / 3B actifs, 128k contexte, ~17 Go VRAM Q4. Raisonnement et code rapides en local (peu de params actifs).
ollama run nemotron-3.5-lightning
Checkpoint BF16 de Nemotron 3.5 Lightning : MoE 30B / 3B actifs, 256k contexte, ~17 Go VRAM Q4. Raisonnement et code rapides en local.
# HuggingFace : nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16
| Rang | Modèle | Params | VRAM Q4 | Contexte | Licence | Sur RTX 5090 |
|---|---|---|---|---|---|---|
| #1 | GLM 4.7 Flash | 31B | 19 GB | 128 000 | MIT | 100 tok/s · Q5_K_M |
| #2 | Laguna XS.2 | 33B | 19 GB | 131 072 | Apache 2.0 | 100 tok/s · Q5_K_M |
| #3 | Nemotron Cascade 2 30B-A3B | 30B | 17 GB | 128 000 | NVIDIA Open Model License | 80 tok/s · Q8 |
| #4 | Granite 4.0 H-Small 32B-A9B | 32B | 19 GB | 128 000 | Apache 2.0 | 75 tok/s · Q5_K_M |
| #5 | Qwen 3 30B-A3B | 30B | 19 GB | 131 072 | Apache 2.0 | 100 tok/s · Q5_K_M |
| #6 | Nemotron 3 Nano 30B-A3B | 30B | 17 GB | 128 000 | NVIDIA Open Model License | 80 tok/s · Q8 |
| #7 | Nemotron 3.5 Lightning 30B-A3B | 30B | 17 GB | 128 000 | NVIDIA Open Model License | 130 tok/s · Q8 |
| #8 | Nemotron 3.5 Lightning 30B-A3B (BF16) | 30B | 17 GB | 262 144 | NVIDIA Open Model License | 130 tok/s · Q8 |
Comparez les prix de RTX 5090 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 dont Q4_K_M tient sous 30 Go (laisse 2 Go contexte). Bonus 30-70B (peak 5090) et MoE 100B (32 Go débloque DBRX, Mixtral 8x22B). 1792 Go/s = throughput record consumer.
Critères pris en compte :
Le scoring est entièrement transparent : consultez notre méthodologie pour les détails de calcul VRAM/tokens/sec.
RTX 5090 32 Go : Llama 70B fluide ?
Oui — Llama 3.3 70B Q4_K_M (~40 Go) NE TIENT PAS seul ; Q3_K_M (~30 Go) tient à 35-45 tok/s. Q5_K_M (~48 Go) nécessite offload partiel CPU. Pour 70B Q4 sans compromis, viser 2× RTX 4090/5090 ou Mac Studio 96+ Go.
RTX 5090 vs 2× RTX 4090 ?
5090 = 32 Go monolithique + 1792 Go/s. 2× 4090 = 48 Go (split) + 1008 Go/s par carte. Pour 70B Q4 (~40 Go), 2× 4090 gagne. Pour 30-32B Q5 + contexte long, 5090 plus simple (pas de split overhead). Voir RTX 4090.
Quelle quantif optimale sur 5090 ?
Q5_K_M pour 30B (~22 Go) ou Q4 pour 70B (~40 Go offload partiel). Q8 pour 13-14B (Qwen 3 14B ~15 Go) en qualité max. Q6_K excellent compromis 32B (~25 Go).
MoE sur RTX 5090 ?
Excellent : Mixtral 8x22B Q4 (~80 Go) ne tient pas mais 8x7B Q4 (~28 Go) tourne à 80+ tok/s. Qwen 3 30B-A3B Q8 (~32 Go) fluide aussi. Voir classement agents/MoE.