---
source_url: web_search_synthesis
ingested: 2026-06-06
sha256: a1b2c3d4e5f6 (simulé)
---
# 📘 Fiches Techniques Modèles LLM 2024-2026

## Llama 3.1 (Meta)
- **Versions** : 8B, 70B, 405B.
- **Contexte** : 128k tokens.
- **Entraînement** : Apprentissage supervisé et RLHF sur un corpus massif multilingue.
- **Cas d'usage** : 
  - 8B : Assistants légers, edge computing.
  - 70B : Raisonnement complexe, agentique.
  - 405B : Synthèse de données, benchmark SOTA, remplacement GPT-4.
- **Quantification** : compatible GGUF (via llama.cpp) et EXL2 (via exllamav2).

## Mistral (Mistral AI)
- **Mistral Large 2** : ~123B paramètres, optimisé pour le raisonnement et le multilinguisme.
- **Mistral NeMo** : 12B paramètres, contexte 128k tokens. Idéal pour remplacer les modèles 7B/8B avec plus de "consistance".
- **Entraînement** : Focus sur l'efficacité et la performance par paramètre.
- **Cas d'usage** : Entreprise, coding, raisonnement logique.

## Phi (Microsoft)
- **Phi-3.5 Mini** : Modèle compact (SLM), focus sur données synthétiques de haute qualité.
- **Phi-3.5 MoE** : Mixture of Experts, ~6.6B paramètres actifs, très performant en mathématiques et code.
- **Contexte** : Très étendu (jusqu'à 128k).
- **Cas d'usage** : Appareils mobiles, tâches spécialisées, raisonnement logique avec faible empreinte RAM.

## Guides de Quantification
- **GGUF (llama.cpp)** : 
  - Commande type : `./quantize model.fp16.gguf model.q4_k_m.gguf q4_k_m`
  - Usage : CPU + GPU (Apple Silicon, Windows, Linux).
- **EXL2 (ExLlamaV2)** :
  - Commande type : `python convert.py -m model_dir -o quant_dir -q 4.0` (via scripts exllamav2).
  - Usage : GPU uniquement (VRAM), extrêmement rapide.

## Liens
- [[llama-3-1]]
- [[mistral]]
- [[phi-3-5]]
- [[quantification-llm]]