01Ce qu'il sait faire
- Apache 2.0 (usage commercial libre)
- Multilingue
- 128k contexte natif
- Pensé pour RAG et recherche sémantique
- —Modèle d'embeddings — ne génère pas de texte (pas un chat LLM)
- —Pas de tag Ollama officiel — usage via SDK Python / sentence-transformers
- —À intégrer dans une pipeline RAG complète
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.
Quel GPU pour faire tourner Granite Embedding Multilingual R2 ?
Pour exécuter Granite Embedding Multilingual R2 en local en quantification Q4, il faut environ 4.1 Go de VRAM. Le meilleur rapport prix/performance : un RTX 5060 (8 Go de VRAM).
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.
En mobilité : Granite Embedding Multilingual R2 tourne aussi sur un PC portable RTX (16 Go de VRAM) →
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.