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
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 Puzzle 75B-A9B ?
Pour exécuter Nemotron 3 Puzzle 75B-A9B en local en quantification Q4, il faut environ 44 Go de VRAM. Le meilleur rapport prix/performance : un Mac Studio (64 Go de mémoire unifiée).
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.