Points clés
- Gemma 4 31B est le choix prose pour un GPU de 24 Go. Environ 19–20 Go de poids, contexte 256K, Apache 2.0, et seul modèle de cette sélection avec son propre score EQ-Bench Creative Writing v3 publié (rubrique 16,01, Elo 1407,6).
- Qwen3.8-27B est le choix long contexte et respect des consignes. Environ 18 Go sur Ollama, contexte 256K, Apache 2.0. Aucun score créatif n'est publié pour lui ; sa qualité de prose reste non vérifiée, testez-le sur vos propres scènes.
- Choisissez selon votre VRAM, pas selon un classement. 12 Go : Gemma 4 12B. 16 Go : Mistral Small 3 24B. 24 Go : Gemma 4 31B ou Qwen3.8-27B. 48 Go et plus : Llama 3.3 70B.
- Hermes 4.3 36B est le choix à faibles refus. Apache 2.0, bâti sur ByteDance Seed-OSS-36B ; Nous Research décrit des refus fortement réduits. Dolphin 3.0 est l'alternative plus ancienne.
- L'échantillonnage compte plus que le changement de modèle. Température 0,9–1,1 et top-p 0,92–0,95 pour la prose ; désactivez le mode thinking pour la fiction. Les réglages de code (0,2–0,4) donnent une prose plate.
- Les modèles cloud fermés dominent encore les benchmarks créatifs. En tête d'EQ-Bench Creative Writing v3 : Claude Opus 4.7 avec 2 206 Elo ; la meilleure entrée open-weight listée est Kimi K2.6 avec 1 782, très au-delà du matériel grand public. Le local gagne sur la confidentialité, le coût et le contrôle.
Faits rapides
- GPU 24 Go ou Mac 32 Go : Gemma 4 31B (
gemma4:31b, 19–20 Go) ou Qwen3.8-27B (qwen3.8:27b, 18 Go). Tous deux Apache 2.0, tous deux contexte 256K. - GPU 12 Go : Gemma 4 12B (
gemma4:12b, 7,7–8,0 Go), contexte 256K. - GPU 16 Go : Mistral Small 3 24B (
mistral-small:24b, 14 Go), contexte 32K, Apache 2.0. Sorti en 2025. - 48 Go et plus : Llama 3.3 70B (
llama3.3:70b, environ 42 Go en Q4_K_M). Sorti en décembre 2024 ; licence communautaire Meta. - Fine-tunings à faibles refus : Hermes 4.3 36B (Apache 2.0) et Dolphin 3.0 (variante Mistral 24B, février 2025).
- Base d'échantillonnage prose : température 1,0, top-p 0,95, min-p 0,05 ; ajoutez une pénalité de répétition ou DRY si les scènes bouclent.
- Règle mémoire : les tailles Ollama ne comptent que les poids. Ajoutez 2–6 Go pour le cache KV dès que vous agrandissez la fenêtre de contexte pour de longues scènes.
Comment ces choix ont été faits
Ce classement est une synthèse éditoriale de sources publiées, pas une nouvelle campagne de tests PromptQuorum. Nous avons comparé les fiches de modèles officielles, la bibliothèque Ollama (tailles, contexte, tags) et les classements publics d'écriture créative, puis associé chaque modèle à un palier matériel.
- Tailles et contexte : relevés sur les pages Ollama de Gemma 4, Qwen3.8, Mistral Small et sur les fiches Hugging Face. Poids seulement ; la mémoire de contexte s'ajoute.
- Scores créatifs : EQ-Bench Creative Writing v3 et Open Writing Leaderboard, tels que les reprennent des trackers tiers. Gemma 4 31B a son propre score, Qwen3.8-27B pas encore. Quand un score appartient à un modèle voisin, nous le précisons.
- Dates de sortie : Qwen3.8-27B (août 2026), Gemma 4 (juillet 2026), Mistral Small 3 (2025), Llama 3.3 70B (décembre 2024), Hermes 4.3 36B (décembre 2025), Dolphin 3.0 (février 2025).
- Ce que nous n'avons pas fait : nous n'avons pas fait tourner un nouveau jeu de prompts noté sur ces modèles. Les verdicts ci-dessous suivent les sources citées et les fiches ; les mentions « idéal pour » sont des recommandations, pas des résultats mesurés.
- Pour les techniques de prompt qui améliorent la sortie créative sur n'importe quel modèle, voir contrôle de la température et du top-p et prompting par persona.
📌Remarque: Les benchmarks d'écriture créative sont subjectifs et les classements se contredisent. Considérez chaque choix comme une hypothèse de départ : faites passer les trois mêmes scènes par deux candidats et gardez celui dont la voix vous plaît le plus.
Meilleur modèle par palier de VRAM
Choisissez d'abord selon la mémoire : le modèle doit tenir avec de la marge pour le contexte. Les tailles sont celles des téléchargements Ollama en quantification 4 bits par défaut ; ajoutez 2–6 Go de cache KV pour les longues scènes.
Votre mémoire | Modèle | Poids | Contexte |
|---|---|---|---|
| GPU 8 Go | Qwen3.5 9B (qwen3.5:9b) | 6,6–7,6 Go | 256K |
| GPU 12 Go | Gemma 4 12B (gemma4:12b) | 7,7–8,0 Go | 256K |
| GPU 16 Go | Mistral Small 3 24B (mistral-small:24b) | 14 Go | 32K |
| GPU 24 Go / Mac 32 Go | Gemma 4 31B (gemma4:31b) | 19–20 Go | 256K |
| GPU 24 Go / Mac 32 Go | Qwen3.8-27B (qwen3.8:27b) | 18 Go | 256K |
| GPU 24 Go, sortie plus rapide | Gemma 4 26B-A4B (gemma4:26b) | 16–19 Go | 256K |
| 48 Go et plus | Llama 3.3 70B (llama3.3:70b) | ~42 Go | 128K |
💡Astuce: Sur un Mac de 32 Go, la mémoire unifiée est partagée avec macOS. Comptez environ 24 Go utilisables pour le modèle et le contexte, ce qui laisse Gemma 4 31B et Qwen3.8-27B à l'aise.
Comparatif direct : modèles locaux pour l'écriture créative
Aucun modèle ne gagne toutes les tâches ; choisissez selon le palier matériel et ce qui porte votre travail. Le tableau liste les modèles de ce guide avec taille, poids et date de sortie.
📍 En une phrase
Gemma 4 31B et Qwen3.8-27B sont les meilleurs choix locaux pour l'écriture créative sur un GPU de 24 Go ; Gemma 4 12B, Mistral Small 3 24B et Llama 3.3 70B couvrent les paliers 12 Go, 16 Go et 48 Go ; Hermes 4.3 36B est l'option à faibles refus.
💬 En termes simples
Prenez le plus grand modèle qui tient dans votre mémoire avec de la marge pour le contexte. Sur une carte de 24 Go, c'est Gemma 4 31B pour la prose ou Qwen3.8-27B pour les longs projets. N'ajoutez un fine-tuning à faibles refus que si le modèle instruct refuse des scènes que vous devez écrire.
Modèle | Taille | Poids (Ollama) | Sortie | Idéal pour |
|---|---|---|---|---|
| Gemma 4 31B | 31B dense | 19–20 Go | Juil. 2026 | Prose sur 24 Go ; score EQ-Bench propre |
| Qwen3.8-27B | 27B dense | 18 Go | Août 2026 | Longs projets, respect des consignes |
| Gemma 4 26B-A4B | 26B MoE, 4B actifs | 16–19 Go | Juil. 2026 | Génération plus rapide sur 24 Go |
| Gemma 4 12B | 12B | 7,7–8,0 Go | Juil. 2026 | GPU 12 Go, long contexte |
| Mistral Small 3 24B | 24B dense | 14 Go | 2025 | GPU 16 Go ; ancien mais éprouvé |
| Llama 3.3 70B | 70B dense | ~42 Go | Déc. 2024 | 48 Go et plus ; référence ancienne |
| Hermes 4.3 36B | 36B dense | ~21–23 Go (est.) | Déc. 2025 | Moins de refus, Apache 2.0 |
| Dolphin 3.0 | 24B (variante Mistral) | ~14 Go | Févr. 2025 | Ancienne option à faibles refus |
💡Astuce: Le montage à deux modèles est courant : un modèle instruct au quotidien, plus Hermes 4.3 36B pour les scènes que le modèle instruct refuse. Les deux coexistent dans ollama list.
Verdict par modèle
- Gemma 4 31B — choix prose pour 24 Go. C'est le seul modèle de cette sélection avec son propre résultat EQ-Bench Creative Writing v3 (rubrique 16,01, Elo 1407,6, selon un tracker tiers). Contexte 256K et Apache 2.0. Google indique température 1,0, top-p 0,95, top-k 64 par défaut.
- Qwen3.8-27B — choix pour longs projets. 262 144 tokens de contexte natif (extensible à 1M avec YaRN), Apache 2.0, environ 18 Go sur Ollama. Alibaba le positionne pour le code, les agents et la recherche ; la fiche ne dit rien de l'écriture créative et aucun score créatif n'est publié, vérifiez donc la voix sur vos scènes. Le mode thinking est activé par défaut ; désactivez-le pour la prose.
- Gemma 4 26B-A4B et 12B — même famille, compromis différents. Le modèle 26B en mixture of experts active environ 4B de paramètres par token ; il génère donc plus vite que le 31B à mémoire comparable. Le 12B tient sur les cartes de 12 Go et offre toujours un contexte 256K.
- Mistral Small 3 24B — l'option 16 Go. Apache 2.0, environ 14 Go, contexte 32K. C'est un modèle de 2025 et, avec Llama, la plus ancienne recommandation ici ; il reste car peu de modèles plus récents tiennent sur 16 Go. Son successeur, Mistral Small 4 (mars 2026, Apache 2.0), est un modèle mixture of experts de 119B avec environ 6B de paramètres actifs, très au-delà de 16 Go.
- Llama 3.3 70B — la référence 48 Go. Modèle de décembre 2024 sous licence communautaire Meta. Sur les machines de 48 Go et plus, il reste un choix solide et très bien supporté ; en dessous, il n'est pas praticable.
- Hermes 4.3 36B — choix à faibles refus. Bâti sur ByteDance Seed-OSS-36B sous Apache 2.0, avec des quantifications GGUF sur Hugging Face. Nous Research décrit des refus fortement réduits ; Hermes 4.3 a répondu à 72–75 % des prompts de son propre RefusalBench. Sa fiche suggère température 0,6, top-p 0,95, top-k 20 ; augmentez la température pour la prose.
- Dolphin 3.0 — ancienne option à faibles refus. La plus récente génération Dolphin que nous ayons pu confirmer est Dolphin 3.0 (février 2025, dont une variante Mistral 24B). Utilisez-le si vous voulez un modèle non censuré de la famille Mistral ; Hermes 4.3 est le choix plus récent.
📌Remarque: La cohérence de voix est la mesure que les auteurs sous-estiment le plus. Un modèle qui écrit un paragraphe brillant mais perd le débit du personnage au cinquième paragraphe est moins bon qu'un modèle régulier. Testez la continuité sur de longues sessions, pas seulement la qualité d'une sortie isolée.
Meilleurs modèles Ollama pour l'écriture créative
Cinq commandes ollama pull couvrent chaque palier matériel de ce guide. Lancez ensuite ollama list pour vérifier que le modèle est installé.
- 24 Go, prose :
ollama pull gemma4:31b— puisollama run gemma4:31b. - 24 Go, longs projets :
ollama pull qwen3.8:27b— lancez avecollama run qwen3.8:27b --think=falsepour désactiver le thinking en prose. - 12 Go :
ollama pull gemma4:12b. - 16 Go :
ollama pull mistral-small:24b. - 48 Go et plus :
ollama pull llama3.3:70b. - Fine-tuning à faibles refus :
ollama run hf.co/NousResearch/Hermes-4.3-36B-GGUFrécupère le GGUF de Hermes 4.3 sur Hugging Face ; choisissez une quantification 4 bits sur une carte de 24 Go. - Augmentez la fenêtre de contexte pour les longues scènes. Le contexte par défaut d'Ollama est petit. Dans une session interactive, saisissez
/set parameter num_ctx 16384ou définisseznum_ctxdans un Modelfile. Des valeurs plus grandes consomment plus de VRAM.
Modèles locaux ou cloud pour écrire
Les modèles cloud fermés obtiennent de meilleurs scores sur les benchmarks créatifs ; les modèles locaux gagnent sur la confidentialité, le coût et le contrôle. Qui cherche « meilleur LLM pour écrire » sans « local » obtient des classements différents de ce guide.
- Les modèles fermés mènent. Sur EQ-Bench Creative Writing v3, repris par evals.report, Claude Opus 4.7 est premier avec 2 206 Elo, devant GPT-5.5 à 2 035.
- Les meilleures entrées open-weight demandent un datacenter. Kimi K2.6 (1 782 Elo) est la meilleure entrée open-weight de cette liste. Featherless donne GLM-5.3 à 753B et DeepSeek-V4.1-Flash à 763B de paramètres, ce qu'aucune machine grand public ne fait tourner.
- Ce qui tourne sur un GPU. Gemma 4 31B a obtenu 1407,6 Elo et une rubrique de 16,01 sur le même benchmark. Les scores de trackers différents ne partagent pas d'échelle ; comparez au sein d'une même liste.
- Quand le local s'impose. Manuscrits non publiés, travaux clients sous NDA, contenus qu'un fournisseur cloud refuserait, travail hors ligne et projets où la facture API mensuelle est la contrainte.
- Flux hybride. Brouillon et brainstorming en local ; un modèle cloud seulement pour une finition non sensible si vous voulez la qualité supplémentaire.
Température et top-p pour le travail créatif
L'écriture créative demande des températures d'échantillonnage plus élevées que le code. Les valeurs par défaut de la plupart des interfaces de chat sont réglées pour les questions-réponses ; une température de 0,7 donne une prose plate et prévisible sur des prompts créatifs.
- Les valeurs des éditeurs sont un plancher, pas une cible. Google indique température 1,0, top-p 0,95, top-k 64 pour Gemma 4 ; Alibaba indique 1,0 / 0,95 / top-k 20 pour Qwen3.8 en mode thinking et 0,7 / 0,8 hors thinking ; Nous indique 0,6 / 0,95 / top-k 20 pour Hermes 4.3. Partez de là, puis ajustez pour la prose.
- Base pour la prose : température 0,95–1,0, top-p 0,92–0,95, pénalité de répétition 1,05–1,1. Ajustez ensuite selon la tâche.
- Dialogue serré : température 0,7–0,85, top-p 0,9. Des températures plus basses gardent les voix des personnages cohérentes d'une réplique à l'autre.
- Prose lyrique et poésie : température 1,0–1,2, top-p 0,95. Des températures plus hautes débloquent des choix de mots inattendus.
- Fiction surréaliste ou de genre : température 1,1–1,3, top-p 0,95–0,98.
- Scènes menées par l'intrigue (action, enquête, rebondissements) : température 0,85–0,95, top-p 0,9. Elles demandent plus de respect des consignes que de nouveauté.
- Désactivez le mode thinking pour la fiction. Les tokens de raisonnement ajoutent de la latence et donnent souvent une prose planifiée et lisse. Qwen3.8 accepte
enable_thinking: false; dans Ollama, utilisez--think=false. - min_p (0,05–0,1) : une alternative au top-p qui ajuste le seuil à la probabilité du meilleur token. Plus permissif sur les prompts créatifs, sans l'incohérence d'un top-p très élevé. Utilisez-le là où votre backend expose le réglage.
- Pénalité de répétition DRY (multiplicateur 0,8, base 1,75, longueur autorisée 2) : détecte les répétitions au niveau des expressions que la pénalité de répétition standard laisse passer, ce qui aide en session longue. Disponible dans les backends basés sur llama.cpp comme KoboldCpp ; vérifiez si votre interface l'expose.
- Pour une analyse plus complète de l'intérêt de ces paramètres et de leurs interactions, voir contrôle de la température et du top-p.
💡Astuce: Testez l'échantillonnage sur une courte scène par modèle : trois essais par réglage, puis choisissez la température où le modèle sonne le plus vivant sans perdre le prompt. Les réglages ne se transfèrent pas parfaitement d'un modèle à l'autre.
Modèles uncensored : ce que c'est et quand ils comptent
Uncensored ne veut pas dire contraire à l'éthique. Cela signifie que le comportement de refus du modèle a été réduit par fine-tuning, de sorte qu'il suit le prompt au lieu de décliner. L'auteur reste l'auteur.
- Techniquement. Des modèles comme Hermes 4.3 et Dolphin 3.0 sont des fine-tunings dont le post-entraînement réduit les refus sur les prompts matures, violents ou moralement complexes. Nous Research décrit des refus fortement réduits et indique que Hermes 4.3 a répondu à 72–75 % des prompts de son propre RefusalBench. Des variantes communautaires « abliterated » ou « heretic » de modèles plus récents existent aussi sur Ollama ; leur qualité n'est pas auditée.
- Quand ils comptent pour le travail créatif. Fiction adulte, polar avec violence explicite, horreur, écriture historiquement exacte sur la guerre ou les atrocités, et antagonistes moralement complexes que le modèle instruct ne voudra pas incarner de façon convaincante.
- Leurs limites. Ils suivent le prompt, y compris un prompt mal écrit. Les modèles instruct adoucissent souvent un prompt vague en quelque chose de publiable ; les modèles à faibles refus donnent exactement ce que vous avez demandé.
- Limites éthiques et légales. Qu'un modèle écrive quelque chose n'est pas un permis d'écrire des contenus qui visent des personnes réelles, mettent en scène des situations non consenties impliquant des personnes identifiables, ou sont illégaux là où vous vivez. L'hébergement local ne change pas la loi ; il change qui peut voir le brouillon. Les lois varient selon les pays, et ceci n'est pas un conseil juridique.
- Pour approfondir l'éthique, la légalité et les bonnes pratiques, voir LLM locaux uncensored pour l'écriture créative : éthique, légalité et bonnes pratiques.
📌Remarque: Uncensored est un choix de workflow, pas une identité. Beaucoup d'auteurs rédigent avec le modèle instruct et ne passent à un fine-tuning à faibles refus que pour certaines scènes. Deux modèles installés côte à côte est le schéma habituel.
Interfaces pour le travail créatif
L'interface de chat dans laquelle vous écrivez compte autant que le modèle. Quatre options couvrent la plupart des usages ; choisissez selon la forme de votre workflow.
- Open WebUI — le choix généraliste. Interface de type ChatGPT, changement de modèle en un clic, notes de personnage dans le prompt système, import de documents comme contexte. Idéal pour la rédaction riche en prose.
- SillyTavern — le choix jeu de rôle et dialogue. Cartes de personnage, gestion de personas, lorebooks pour le worldbuilding et chat de groupe pour les scènes à plusieurs personnages. Idéal pour le travail centré sur le dialogue et les projets de monde au long cours.
- Agnai et RisuAI — alternatives plus légères à SillyTavern, prise en main plus simple, moins de personnalisation.
- CLI Ollama seule plus un éditeur de texte — le choix minimal.
ollama run gemma4:31bet collez les scènes dans votre brouillon. On perd le contexte de personnage persistant, mais on gagne en concentration. - Pour le comparatif direct des interfaces orientées jeu de rôle, voir SillyTavern vs Agnai vs RisuAI : meilleure interface locale de jeu de rôle.
💡Astuce: Rédiger et corriger demandent des outils différents. Générez dans l'interface de chat, puis exportez vers un éditeur de texte brut pour la révision. Corriger dans la fenêtre de chat apprend à demander au modèle de réparer la prose au lieu de la réviser soi-même.
Décision : quel modèle pour votre travail
D'abord votre mémoire, ensuite votre tâche.
📍 En une phrase
Choisissez Gemma 4 31B ou Qwen3.8-27B sur un GPU de 24 Go, Gemma 4 12B avec 12 Go, Mistral Small 3 24B avec 16 Go, Llama 3.3 70B à partir de 48 Go et Hermes 4.3 36B pour les scènes que les modèles instruct refusent.
💬 En termes simples
Commencez par le plus grand modèle qui tient dans votre mémoire avec de la marge pour le contexte. Ne passez à un spécialiste que lorsqu'une tâche, comme la continuité longue ou les scènes matures, devient le goulot d'étranglement. Deux installations ne coûtent que de l'espace disque.
Votre situation | Choix |
|---|---|
| GPU 24 Go ou Mac 32 Go, prose d'abord | Gemma 4 31B |
| GPU 24 Go, projet de la taille d'un roman | Qwen3.8-27B (contexte 256K) |
| GPU 24 Go, sortie plus rapide voulue | Gemma 4 26B-A4B |
| GPU 12 Go | Gemma 4 12B |
| GPU 16 Go | Mistral Small 3 24B |
| 48 Go et plus, un modèle pour tout | Llama 3.3 70B + Hermes 4.3 36B |
| Le modèle instruct refuse des scènes utiles | Hermes 4.3 36B (gardez un modèle instruct) |
| Un modèle pour commencer, ajuster ensuite | Gemma 4 31B ou Qwen3.8-27B, selon la mémoire |
💡Astuce: La plupart des auteurs réfléchissent trop au modèle et pas assez au prompt. Un prompt système avec notes de personnage, échantillons de voix et point de vue explicite fait plus que changer de modèle. Voir prompting par persona.
Erreurs courantes dans le choix et l'usage des modèles locaux pour l'écriture créative
- Erreur 1 : choisir selon le rang général aux benchmarks. Les classements de code et de raisonnement corrèlent mal avec la qualité de prose. Regardez les classements créatifs comme EQ-Bench, puis testez sur vos propres scènes.
- Erreur 2 : utiliser l'échantillonnage du code. Une température de 0,2–0,4 donne une prose plate. Le travail créatif demande environ 0,9–1,1.
- Erreur 3 : laisser le mode thinking activé. Les modèles à raisonnement planifient avant d'écrire, ce qui peut rendre la fiction construite. Désactivez le thinking pour la prose.
- Erreur 4 : ignorer la mémoire de contexte. Un modèle 31B à 19–20 Go laisse peu de place sur une carte de 24 Go dès que vous agrandissez la fenêtre de contexte. Prévoyez 2–6 Go de cache KV.
- Erreur 5 : des prompts système trop maigres. « Tu es un assistant utile » est le pire prompt pour le travail créatif. Associez notes de personnage, point de vue et temps au prompting négatif pour écarter les clichés.
- Erreur 6 : corriger dans la fenêtre de chat. Générez dans le chat ; révisez dans un éditeur. Les auteurs qui laissent le modèle réviser perdent vite leur voix.
⚠️Attention: Le principal risque de compétence avec l'IA d'écriture créative est de déléguer la passe de révision. La génération est un travail mécanique qui profite d'un modèle ; la révision est ce qui rend la prose vôtre.
Sources
- Bibliothèque Ollama : Gemma 4 — tags, tailles de téléchargement et fenêtres de contexte.
- Bibliothèque Ollama : Qwen3.8 — tag, taille et capacités.
- Hugging Face : fiche du modèle Qwen3.8-27B — licence, longueur de contexte, échantillonnage recommandé.
- Hugging Face : fiche du modèle Gemma 4 31B — licence, longueur de contexte, valeurs d'échantillonnage par défaut.
- Hugging Face : Hermes 4.3 36B — modèle de base, licence, benchmark de refus, quantifications GGUF.
- Bibliothèque Ollama : Mistral Small — taille, contexte et licence de Mistral Small 3 24B.
- EQ-Bench Creative Writing et scores EQ-Bench d'evals.report — chiffres de classement cités plus haut.
- Featherless : meilleurs modèles ouverts pour l'écriture créative — tailles open-weight et chiffres EQ-Bench de Gemma 4 31B.
- Documentation SillyTavern — cartes de personnage, personas, chat de groupe.
Questions fréquentes
Quel est le meilleur LLM local pour l'écriture créative ?
Gemma 4 31B et Qwen3.8-27B sont les meilleurs points de départ locaux en 2026, et tous deux tiennent sur un GPU de 24 Go (environ 18–20 Go de poids). Gemma 4 31B est le choix prose avec son propre score EQ-Bench publié ; Qwen3.8-27B est le choix long contexte. Sur des cartes plus petites, prenez Gemma 4 12B (12 Go) ou Mistral Small 3 24B (16 Go).
Quel est le meilleur modèle Ollama pour l'écriture créative ?
Sur un GPU de 24 Go, ollama pull gemma4:31b pour la prose ou ollama pull qwen3.8:27b pour les longs projets. Avec 12 Go, gemma4:12b ; avec 16 Go, mistral-small:24b ; à partir de 48 Go, llama3.3:70b. Augmentez num_ctx pour les longues scènes et désactivez le thinking pour la fiction.
Quel est le meilleur LLM local pour écrire de la fiction et des histoires ?
Prenez le plus grand modèle qui tient dans votre mémoire avec de la marge pour le contexte. Gemma 4 31B est le choix prose sur 24 Go, Qwen3.8-27B convient aux projets de la taille d'un roman grâce à son contexte 256K, et Llama 3.3 70B est la référence à partir de 48 Go. Utilisez une température de 0,9–1,1 et un prompt système avec point de vue, temps et échantillons de voix.
Quel modèle local est le meilleur pour le worldbuilding ?
Le long contexte compte le plus : Qwen3.8-27B et Gemma 4 offrent tous deux 256K tokens, assez pour garder une bible de lore et des résumés de chapitres dans le prompt. Associez l'un ou l'autre à des lorebooks SillyTavern ou à un document de monde épinglé, et regroupez factions, règles et noms dans un seul bloc de référence.
Quel LLM est le meilleur pour écrire un roman ?
En local : Qwen3.8-27B (contexte 256K) ou Gemma 4 31B (contexte 256K) sur un GPU de 24 Go. Le goulot d'étranglement est la structure, pas la taille du modèle : un plan, une bible des personnages et des résumés de chapitres assurent la continuité. Les modèles cloud fermés obtiennent de meilleurs scores créatifs, mais envoient votre manuscrit à un tiers.
Quel est le meilleur modèle local avec 32 Go de VRAM ou de mémoire unifiée ?
Gemma 4 31B (19–20 Go) ou Qwen3.8-27B (18 Go) avec une fenêtre de contexte plus grande ; la mémoire supplémentaire par rapport à 24 Go finance le cache KV. Gemma 4 26B-A4B est l'alternative plus rapide. Un modèle 70B ne tient pas confortablement sous 48 Go.
Qu'est-ce qu'un LLM local uncensored et quand en utiliser un ?
C'est un fine-tuning dont le post-entraînement réduit les refus sur les prompts matures ou moralement complexes, de sorte que le modèle suit le prompt au lieu de décliner. Hermes 4.3 36B est l'option la plus récente que nous ayons pu confirmer ; Dolphin 3.0 est plus ancien. Utilisez-en un pour la fiction adulte ou l'écriture historiquement exacte, et gardez un modèle instruct pour le reste.
Quelle température utiliser pour l'écriture créative ?
Température 0,9–1,1 avec top-p 0,92–0,95 pour la prose. Le dialogue serré demande 0,7–0,85, la poésie 1,0–1,2, le surréalisme ou la fiction de genre 1,1–1,3. Les valeurs des éditeurs, comme 1,0 / 0,95 / top-k 64 pour Gemma 4, sont un bon point de départ. Désactivez le mode thinking pour la fiction.
Les modèles locaux d'écriture créative valent-ils ChatGPT ou Claude ?
Pas sur les benchmarks. Sur EQ-Bench Creative Writing v3, les modèles fermés comme Claude Opus 4.7 (2 206 Elo) mènent, et les meilleures entrées open-weight demandent du matériel de datacenter. Un modèle local de 24 Go peut pourtant suffire pour rédiger, et il garde les manuscrits privés. Un échantillonnage calibré et un bon prompt système comblent une grande part de l'écart pratique.
Un modèle local peut-il écrire un roman entier ?
Il peut aider à en rédiger un. Un modèle à contexte 256K comme Qwen3.8-27B ou Gemma 4 peut garder en mémoire un long plan et plusieurs chapitres, mais le cache KV grandit avec le contexte : vérifiez la VRAM. Rédigez section par section avec une bible des personnages et un lorebook ; sans eux, tout modèle dérive.
Les modèles uncensored produisent-ils du contenu illégal ?
Ils produisent le texte que le prompt demande ; la responsabilité juridique incombe à l'auteur et à la publication, pas au modèle. Des cadres comme l'EU AI Act, le § 184/§ 184c StGB allemand et le droit national sur l'obscénité s'appliquent quelle que soit la façon dont le texte a été généré. L'hébergement local change qui voit le brouillon, pas ce qui est légal. Ceci n'est pas un conseil juridique.
Comment éviter le cliché « shiver down their spine » ?
Listez 8–12 expressions interdites dans le prompt système (« do not write 'shiver,' 'tapestry,' 'delve,' or 'she felt' »). Gardez la température à 0,85–1,0 plutôt qu'à 1,2+ et ajoutez une pénalité DRY là où votre backend la gère ; une simple pénalité de répétition n'attrape pas les clichés au niveau des expressions. Une révision manuelle est le dernier filtre. Voir prompting négatif.