01Ce qu'il sait faire
- MoE 75B/9B actifs : inférence plus légère qu'un dense équivalent
- Orienté raisonnement
- 128k de contexte natif
- Usage commercial autorisé (NVIDIA Open Model License)
- —150 Go en FP16 — réservé aux grosses configs
- —~44 Go VRAM même en Q4 (2× RTX 4090 ou Mac 64 Go+)
- —Pas de tag Ollama officiel — install via HuggingFace/vLLM
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 matériel pour Nemotron 3 Puzzle 75B-A9B ?
Pour exécuter Nemotron 3 Puzzle 75B-A9B en local en quantification Q4, il faut environ 44 Go de VRAM. Une option à comparer : GMKtec EVO-X2 64 Go / 1 To (Ryzen AI Max+ 395) — gardez une marge pour le système et le contexte ; vérifiez la compatibilité du moteur avec le GPU.
Pourquoi ce choix ? Notre fiche complète sur GMKtec EVO-X2 64 Go / 1 To (Ryzen AI Max+ 395) →
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.