01Ce qu'il sait faire
- Débit élevé grâce aux 3B actifs
- 128k de contexte
- Raisonnement et code
- ~17 Go VRAM en Q4
- —Poids MoE 30B à charger en mémoire
- —Support outillage MoE variable selon runtime
- —Poids gated côté 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 GPU pour faire tourner Nemotron 3.5 Lightning 30B-A3B ?
Pour exécuter Nemotron 3.5 Lightning 30B-A3B en local en quantification Q4, il faut environ 25 Go de VRAM. Le meilleur rapport prix/performance : un RTX 5090 32 Go (32 Go de VRAM).
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.