01Ce qu'il sait faire
Points forts
- 128k contexte en 3.8B
- Licence MIT
- Très rapide
- Surprenant en raisonnement vs taille
Limites à connaître
- —10 Go VRAM Q4 (sur-dimensionné pour 3.8B)
- —Moins bon que Phi-4 en qualité
Architecture
Dense · 3.8B · Phi-3.5 Mini · fenêtre glissante + FlashAttention
Entraînement
Données synthétiques haute qualité Microsoft. Fort accent pédagogique.
Idéal pour
RAG légerLaptop
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
10 Go
Q5_K_M
Bon compromis qualité/taille
12 Go
Q8_0
Quasi-indistinguable de FP16
18 Go
FP16
Pleine précision — usage serveur
33 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 12 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
69
HumanEval
62.8
05Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama run phi3.5
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.