01Ce qu'il sait faire
Points forts
- Ctx 256k efficace
- Hybride unique
- 9 langues
Limites à connaître
- —Licence Jamba custom (pas OSI)
- —Support llama.cpp partiel
- —Supplanté par Jamba 1.6/1.7
Architecture
Hybride SSM-Transformer (Mamba+Attention) + MoE · 52B/12B actifs
Entraînement
256k ctx effectif (86% à 256k RULER).
Idéal pour
Long contexte efficientHybride Mamba
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
30 Go
Q5_K_M
Bon compromis qualité/taille
37 Go
Q8_0
Quasi-indistinguable de FP16
55 Go
FP16
Pleine précision — usage serveur
104 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 48 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
Quel GPU pour faire tourner Jamba 1.5 Mini ?
Pour exécuter Jamba 1.5 Mini en local en quantification Q4, il faut environ 30 Go de VRAM. Le meilleur rapport prix/performance : un RTX 5090 (32 Go de VRAM).
Où acheter le RTX 5090
DartyVoir RTX 5090 →RakutenVoir RTX 5090 →AmazonVoir RTX 5090 →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 : ai21labs/AI21-Jamba-Mini-1.5
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.