01Ce qu'il sait faire

Points forts

128k de contexte
Fort en multilingue européen
Apache 2.0 totalement libre
Excellent compromis 12B

Limites à connaître

—Moins bon que Small 3.1 en raisonnement
—Pas de vision

Architecture

Dense Transformer · GQA · Tekken tokenizer (131k vocab)

Entraînement

Co-entraîné Mistral × NVIDIA. Corpus multilingue européen.

Idéal pour

Chat multilingueLong contexteOutils/agents

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

7 Go

Q5_K_M

Bon compromis qualité/taille

9 Go

Q8_0

Quasi-indistinguable de FP16

13 Go

FP16

Pleine précision — usage serveur

24 Go

Fallback CPU · Si vous n'avez pas de GPU, comptez 16 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.

Quel GPU pour faire tourner Mistral Nemo 12B Instruct ?

Pour exécuter Mistral Nemo 12B Instruct en local en quantification Q4, il faut environ 7 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.

Entrée de gamme

~8t/s

GTX 1650, RX 6600, MBA M2 8Go

Milieu de gamme

~25t/s

RTX 4060, 4070, MBP M3 Pro

Haut de gamme

~70t/s

RTX 4090, M4 Max, Radeon 7900

04Benchmarks publics

Scores reproduits depuis les model cards ou MMLU-Pro / communautaires. Unité : % bonnes réponses.

MMLU

HellaSwag

83.5

Winogrande

76.8

05Installer

Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.

$ollama run mistral-nemo:12b

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.