01Ce qu'il sait faire
Points forts
- Ultra-compact (<1 Go VRAM Q4)
- Apache 2.0 (usage commercial libre)
- Base pré-entraînée propre pour fine-tuning
- Déploiement edge/on-device
Limites à connaître
- —Pas instruct/chat — nécessite fine-tuning pour usage conversationnel
- —Bilingue EN/ZH seulement (FR non garanti)
- —Capacités limitées par la taille 1.1B
Architecture
Transformer dense · 1.1B paramètres · type Llama
Entraînement
Pré-entraînement bilingue EN/ZH (OpenBMB). Modèle base (non-SFT), idéal comme point de départ pour fine-tuning.
Idéal pour
Fine-tuning maisonEdge/on-devicePré-entraînement
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
0.6 Go
Q5_K_M
Bon compromis qualité/taille
0.8 Go
Q8_0
Quasi-indistinguable de FP16
1.2 Go
FP16
Pleine précision — usage serveur
2.2 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 1.4 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 : openbmb/MiniCPM5-1B
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.