01Ce qu'il sait faire
Points forts
- Apache 2.0 totalement libre
- Tool calling et FIM code
- 12 langues dont FR
- 131k contexte sur 3B
- Tient en 3 Go VRAM
Limites à connaître
- —Raisonnement limité vs 8B/30B
- —Préférer 8B pour usages chat exigeants
Architecture
Transformer dense · 40 couches · GQA 40Q/8KV · embedding 2560 · MLP hidden 8 192 · SwiGLU · RoPE · RMSNorm
Entraînement
SFT + RL alignment, mêmes données et pipeline que la 8B et 30B. 12 langues dont FR. Cluster NVIDIA GB200 NVL72.
Idéal pour
Assistant laptopTool calling edgeRAG compact
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Q4_K_M
Le plus léger, ~5% de perte
2 Go
Q5_K_M
Bon compromis qualité/taille
2.5 Go
Q8_0
Quasi-indistinguable de FP16
3 Go
FP16
Pleine précision — usage serveur
6 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 5 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
Quel GPU pour faire tourner Granite 4.1 3B Instruct ?
Pour exécuter Granite 4.1 3B Instruct en local en quantification Q4, il faut environ 2 Go de VRAM. Le meilleur rapport prix/performance : un RTX 5060 (8 Go de VRAM).
Où acheter le RTX 5060
DartyVoir RTX 5060 →RakutenVoir RTX 5060 →AmazonVoir RTX 5060 →Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama run granite4.1:3b
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.