Ollama v0.33.1 : prise en charge de Qwen3.8 Flash Next et sortie structurée sur MLX
On-device et edgeArticles connexes
vLLM : servir des modèles rapides
vLLM est le moteur open source qui transforme un modèle local en serveur concurrent : PagedAttention, batching continu, installation et les concepts (débit, quantification, KV cache) pour choisir quand l'utiliser à la place d'Ollama.
GPU ou CPU : quand la CPU suffit
Faut-il vraiment une GPU pour l'IA locale ? Pour beaucoup d'usages, non : le prefill et le decode, ce qui compte (la bande passante mémoire), les chiffres réels sur un portable courant, les cas où la CPU suffit et ceux où la VRAM est nécessaire — avec les commandes pour mesurer sur votre matériel.
Exécuter des Modèles LLM en Local : du Premier Install au Premier Modèle
De zéro au premier modèle qui répond : ce qu'il vous faut vraiment, Ollama pas à pas, comment choisir le modèle pour votre mémoire, les vitesses attendues par hardware et les problèmes typiques résolus.
Recevez le prochain point IA locale
Chaque semaine, une sélection du meilleur d'iaLocale : articles, actualités et ressources sur l'IA locale, et plus encore.
Après l'inscription, vous recevez un e-mail de confirmation (double opt-in). Sans confirmation, nous n'envoyons rien. Pas de spam, promis.