01Ce qu'il sait faire
Points forts
- Dense 33B équilibré chat/code/raisonnement
- 128k contexte
- Tient sur RTX 4090 en Q4
- Licence open NVIDIA
Limites à connaître
- —Licence NVIDIA Open Model (lire les conditions commerciales)
- —Modèle gated sur Hugging Face (click-through)
Architecture
Transformer dense · 33B paramètres · 128k contexte
Entraînement
Famille Nemotron NVIDIA, alignement RLHF orienté raisonnement et code.
Idéal pour
RaisonnementGénération codeAgents production
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
19 Go
Q5_K_M
Bon compromis qualité/taille
23 Go
Q8_0
Quasi-indistinguable de FP16
35 Go
FP16
Pleine précision — usage serveur
66 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 43 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
Quel GPU pour faire tourner Nemotron 3 33B ?
Pour exécuter Nemotron 3 33B en local en quantification Q4, il faut environ 19 Go de VRAM. Le meilleur rapport prix/performance : un RTX 4090 (24 Go de VRAM).
Où acheter le RTX 4090
DartyVoir RTX 4090 →RakutenVoir RTX 4090 →AmazonVoir RTX 4090 →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.
04Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama run nemotron3
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.