01Ce qu'il sait faire
Points forts
- Orienté raisonnement pas à pas
- Contexte massif jusqu'à 262K tokens
- Léger : ~6 Go VRAM en Q4, tient sur GPU 8 Go
- Licence Apache 2.0 permissive
Limites à connaître
- —Fine-tune communautaire : peu de recul et de benchmarks publics
- —Pas de tag Ollama — install via HuggingFace
Architecture
Transformer dense · fine-tune LoRA de Qwen 3.5 9B (~9.7B) orienté raisonnement · fenêtre de contexte 262K tokens
Entraînement
Fine-tune LoRA instruct de Qwen 3.5 9B centré sur le raisonnement, soumission publique IOL-AI 2026. Détails d'entraînement non publiés.
Idéal pour
RaisonnementChat polyvalentLong 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
6 Go
Q5_K_M
Bon compromis qualité/taille
7 Go
Q8_0
Quasi-indistinguable de FP16
10 Go
FP16
Pleine précision — usage serveur
19 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 13 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
Quel GPU pour faire tourner IOL-AI Qwen3.5 9B Reasoning v2 ?
Pour exécuter IOL-AI Qwen3.5 9B Reasoning v2 en local en quantification Q4, il faut environ 6 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.
$# HuggingFace : MikCil/IOL-AI-Qwen35-9B-IT-LoRA-Reasoning-v2
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.