01Ce qu'il sait faire
Points forts
- Très rapide (1B actifs)
- Corpus d'entraînement 100% open source
- Apache 2.0
Limites à connaître
- —Contexte 4096 seulement
- —Qualité en dessous des denses 7B
Architecture
MoE · 7B total / 1B actifs · 64 experts, 8 actifs par token
Entraînement
AllenAI OLMoE. Données ouvertes Dolmino + The Pile 2.
Idéal pour
Transparence MoERecherche
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
4 Go
Q5_K_M
Bon compromis qualité/taille
5 Go
Q8_0
Quasi-indistinguable de FP16
7 Go
FP16
Pleine précision — usage serveur
14 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 8 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.
04Benchmarks publics
Scores reproduits depuis les model cards ou MMLU-Pro / communautaires. Unité : % bonnes réponses.
MMLU
52
05Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama run olmoe
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.