01Ce qu'il sait faire
- Compact : ~2,3 Go VRAM en Q4, tient sur petit GPU et laptop
- Multilingue
- Contexte 32K tokens
- Débit élevé en local (~75 tok/s en Q4)
- —Petit modèle 4B : raisonnement complexe et code avancé limités
- —Licence Qwen (non strictement Apache/MIT) : vérifier les conditions
- —Modèle gated sur HuggingFace : accès sur acceptation
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 GPU pour faire tourner Qwen 3.5 4B ?
Pour exécuter Qwen 3.5 4B en local en quantification Q4, il faut environ 2.3 Go de VRAM. Le meilleur rapport prix/performance : un RTX 5060 Ti 16 Go (16 Go de VRAM, le meilleur €/Go).
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.
En mobilité : Qwen 3.5 4B tourne aussi sur un PC portable RTX (16 Go de VRAM) →
Ton ChatGPT privé et gratuit sur ta machine en 1 heure — LM Studio, Ollama, Open WebUI, tes documents, sans cloud.
- Espace en ligne à vie
- PDF + fichiers
- Remboursé 30 j
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.