01Ce qu'il sait faire
Points forts
- Spécialisation espagnol/portugais LATAM
- Base Llama 3.1 70B (qualité éprouvée)
- 128k contexte natif
- Multilingue (en/es/pt)
Limites à connaître
- —Pas de tag Ollama officiel (install HF)
- —Licence Llama 3.1 Community (clause >700M MAU)
- —~41 Go VRAM en Q4 (RTX 3090/4090 mini ou Mac 64+ Go)
Architecture
Transformer dense · GQA · base Llama 3.1 70B · 128k contexte
Entraînement
SFT (supervised fine-tuning) sur Llama 3.1 70B par le consortium LatamGPT (CENIA, Chili) pour l'espagnol et le portugais d'Amérique latine.
Idéal pour
Espagnol/portugais LATAMChat multilingueRecherche académique
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
41 Go
Q5_K_M
Bon compromis qualité/taille
50 Go
Q8_0
Quasi-indistinguable de FP16
76 Go
FP16
Pleine précision — usage serveur
142 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 92 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.
$# HuggingFace : latam-gpt/Llama-3.1-70B-LatamGPT-SFT-1.0
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.