01Ce qu'il sait faire
Points forts
- Apache 2.0 (usage commercial libre)
- Architecture HRM expérimentale pour raisonnement
- Très compact (1.2B)
- Cas d'étude pour R&D raisonnement
Limites à connaître
- —Non-chat, non-instruction-tuned — pas utilisable en l'état pour assistant
- —Anglais uniquement
- —Documentation limitée, écosystème naissant
Architecture
Transformer prefix-LM · 1.2B paramètres · Hierarchical Reasoning Model (HRM)
Entraînement
Pré-entraînement anglais. Modèle de recherche pré-aligné, non-instruction-tuned, axé sur le raisonnement hiérarchique (paper arXiv:2605.20613).
Idéal pour
RechercheRaisonnement hiérarchiquePré-alignement
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
0.7 Go
Q5_K_M
Bon compromis qualité/taille
0.9 Go
Q8_0
Quasi-indistinguable de FP16
1.3 Go
FP16
Pleine précision — usage serveur
2.4 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 1.6 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
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.
$# HuggingFace : sapientinc/HRM-Text-1B
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.