#strix-halo
4 articles
- 2026-04-02
Bande passante ou capacité : choisir une machine pour les LLM locaux
La bande passante accélère les modèles qui tiennent en mémoire ; la capacité détermine ceux qui peuvent être exécutés.
- 2026-04-02
Llama 4 Scout : le nouveau MoE de Meta et l’inférence locale
Llama 4 Scout est un modèle MoE multimodal de Meta avec 17 milliards de paramètres actifs et 109 milliards au total. Voici ce que ses caractéristiques impliquent pour l’inférence locale.
- 2026-03-20
Modèles MoE locaux : évaluer les compromis plutôt que promettre un gagnant
Les modèles à mélange d'experts demandent une évaluation locale qui sépare mémoire, vitesse, format et qualité.
- 2026-02-26
Plus gros ne veut pas dire meilleur : comment un modèle de 9 Go a battu 120 milliards de paramètres
J'ai benchmarké 17 LLMs locaux sur 13 dimensions avec 39 tests. Les résultats ont détruit mes hypothèses sur la taille des modèles.