01Ce qu'il sait faire
Points forts
- 262k contexte
- Fort en chinois
- 52B actifs efficaces sur 406B
Limites à connaître
- —245 Go VRAM Q4 — infra lourde requise
- —Licence Tencent à vérifier
Architecture
MoE · 406B total / 52B actifs · Tencent HunyuanLLM · 262k ctx
Entraînement
Tencent — fort en chinois et anglais, RAG et long document.
Idéal pour
Frontière CNLong contexte
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
245 Go
Q5_K_M
Bon compromis qualité/taille
290 Go
Q8_0
Quasi-indistinguable de FP16
435 Go
FP16
Pleine précision — usage serveur
810 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 300 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.
$# Infrastructure Tencent — non disponible en local standard
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.