01Ce qu'il sait faire
Points forts
- 12B dense compact (7 Go VRAM Q4)
- Fort en raisonnement et code
- Tourne sur RTX 3060 12 GB et Mac M-series
- Licence NVIDIA Open Model
Limites à connaître
- —Modèle gated sur Hugging Face (click-through accès)
- —Licence restreinte commerciale (NVIDIA Open Model License)
- —Contexte natif non confirmé publiquement
Architecture
Transformer dense · 12B paramètres · variante compacte de la famille Nemotron 3 Super
Entraînement
Famille Nemotron 3 Super de NVIDIA. Variante dense 12B distillée du modèle frontière MoE 120B.
Idéal pour
RaisonnementCodeAgents
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.
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.
$ollama pull nemotron-3-super
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.