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.
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.