01Ce qu'il sait faire
- Contexte natif massif jusqu'à ~1M tokens
- MoE clairsemé : ~3B actifs seulement, débit correct pour sa taille
- Licence MIT permissive
- Orienté raisonnement et chat
- —~40 Go VRAM en Q4 : nécessite plusieurs GPU ou beaucoup de RAM
- —Modèle récent : peu de recul et de benchmarks publics
- —Pas de tag Ollama — install via HuggingFace
04Installer
Installez Ollama pour votre OS. Vérifiez le modèle et sa quantification avant le téléchargement. Commencez avec 4096 tokens de contexte, puis contrôlez le placement avec ollama ps. Une commande ci-dessous n’est pas une preuve de test exécuté sur votre machine.
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 matériel pour LongCat Flash Lite Sparse 69B-A3B ?
Pour exécuter LongCat Flash Lite Sparse 69B-A3B en local en quantification Q4, il faut environ 40 Go de VRAM. Une option à comparer : GMKtec EVO-X2 64 Go / 1 To (Ryzen AI Max+ 395) — gardez une marge pour le système et le contexte ; vérifiez la compatibilité du moteur avec le GPU.
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.
Trop gros pour ta machine ? Le kit te donne le modèle qui tient dans ta VRAM
- Espace en ligne à vie
- PDF + fichiers
- Remboursé 30 j
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.