Aller au contenu principal
PromptQuorumConçu pour les humains. Structuré pour l'IA.

Qwen 14B vs Llama 3 8B : lequel tourne mieux en local ?

Par · Fondateur de PromptQuorum · Moteur de découverte de l'IA open-weight et open source

Points clés

  • ✓Llama 3 8B (4,7 Go à télécharger) tient en 6 Go de VRAM et produit environ 25 tok/s sur RTX 3060 — le bon choix pour la vitesse interactive sur petites cartes
  • ✓Qwen3 14B (9,3 Go à télécharger) demande au moins 10 Go de VRAM et tourne à environ 15 tok/s, mais son modèle de base obtient 81,1 sur MMLU contre 66,6 pour Llama 3 8B dans les tableaux comparatifs de Qwen
  • ✓Le seuil pratique est 12 Go de VRAM : jusqu'à 8 Go, Llama 3 8B ou Qwen3 8B ; à 12 Go, Qwen3 14B l'emporte en qualité
  • ✓L'écart est plus grand en code et en maths : EvalPlus 72,2 contre 44,1 et GSM8K 92,5 contre 55,3 (modèles de base, chiffres publiés par Qwen)
  • ✓Le contexte diffère aussi : Llama 3 8B est limité à 8K, Qwen3 14B offre 32K en natif (131K avec YaRN) et Llama 3.1 8B propose 128K
Qwen 14B vs Llama 3 8B : lequel tourne mieux en local ?

Réponse rapide

Llama 3 8B est le modèle le plus léger : 4,7 Go à télécharger, il tient sur une carte de 6 Go et génère plus vite. Qwen3 14B pèse 9,3 Go et demande environ 10 à 12 Go de VRAM, mais son modèle de base obtient environ 14 points de plus sur MMLU (81,1 contre 66,6). Avec 12 Go de VRAM, Qwen3 14B l'emporte en qualité.

  • ▸Llama 3 8B : 4,7 Go (ollama run llama3), contexte 8K, environ 25 tok/s sur RTX 3060
  • ▸Qwen3 14B : 9,3 Go (ollama run qwen3:14b), contexte natif 32K (131K avec YaRN), environ 15 tok/s
  • ▸Besoin de 128K de contexte sur une petite carte ? Llama 3.1 8B (4,9 Go) est le Llama 8B actuel
Model Comparisons

Llama 3 8B l'emporte en vitesse et en besoin de VRAM

Llama 3 8B est un téléchargement de 4,7 Go dans Ollama et génère environ 25 tokens par seconde sur une RTX 3060 12 Go, ce qui en fait le choix par défaut pour toute configuration de moins de 10 Go de VRAM. Ses 8 milliards de paramètres donnent des réponses vives, naturelles pour le chat et les courtes sessions de code.

Qwen3 14B pèse 9,3 Go à télécharger : comptez environ 10 Go de VRAM avant le cache de contexte, et 12 Go pour travailler confortablement. Il produit environ 15 tok/s sur la même carte. Le débit plus faible se remarque en conversation en temps réel, mais reste acceptable pour des résumés par lots ou de longs documents où la qualité prime sur la latence.

À ces vitesses, Llama 3 8B écrit une réponse de 200 tokens en 8 secondes environ, Qwen3 14B en 13 secondes environ. Sur une requête isolée l'écart est minime ; sur une session multi-tours il s'accumule. Les valeurs tok/s sont des estimations approximatives pour un seul utilisateur sur RTX 3060 12 Go, pas des benchmarks PromptQuorum — lancez ollama run --verbose pour mesurer votre propre carte.

ModèleCommande OllamaTaille du téléchargementContexte natifMMLU (base)
Llama 3 8Bollama run llama34,7 Go8K66,6
Qwen3 8Bollama run qwen3:8b5,2 Go32K (131K avec YaRN)76,9
Qwen3 14Bollama run qwen3:14b9,3 Go32K (131K avec YaRN)81,1

📍 En une phrase

Llama 3 8B demande 4,7 Go de téléchargement et va plus vite ; Qwen3 14B demande 9,3 Go mais obtient environ 14 points de plus sur MMLU (81,1 contre 66,6, modèles de base).

💬 En termes simples

Avec 6 à 8 Go de VRAM, utilisez Llama 3 8B ou Qwen3 8B. Avec 12 Go ou plus, utilisez Qwen3 14B pour de meilleures réponses.

Qwen3 14B l'emporte en qualité quand la VRAM le permet

Qwen3 14B Base obtient 81,1 sur MMLU contre 66,6 pour Llama 3 8B Base — un écart d'environ 14 points qui se traduit par un meilleur raisonnement multi-étapes, un meilleur suivi des consignes et des sorties structurées plus constantes. Ce sont des chiffres de modèles de base issus du rapport technique de Qwen, évalués avec un pipeline commun ; des valeurs publiées par l'éditeur, et les versions instruct diffèrent.

L'écart se creuse en code et en maths. Dans les mêmes tableaux, Qwen3 14B Base atteint 72,2 sur EvalPlus contre 44,1 pour Llama 3 8B, et 92,5 sur GSM8K contre 55,3. Qwen3 8B se situe entre les deux (76,9 MMLU, 67,7 EvalPlus) : entre Qwen 8B et 14B, le 14B apporte environ 4 points MMLU pour 4,1 Go de téléchargement en plus.

Vérification des versions : Llama 3 8B est limité à 8K de contexte. Llama 3.1 8B (4,9 Go) est le Llama 8B actuel avec 128K de contexte. Qwen3 14B offre 32K de contexte natif et 131K avec la mise à l'échelle YaRN. Meta ne propose pas de Llama 14B, et Qwen3.5 sur Ollama a un 9B (6,6–7,6 Go, 256K de contexte) mais pas de 14B : Qwen3 14B reste donc l'option 14B.

≤8 Go de VRAM : Llama 3 8B (4,7 Go) ou Qwen3 8B (5,2 Go). 10–12 Go : Qwen3 14B tient au point de bascule. 16 Go et plus : les deux fonctionnent avec un long contexte. Pour des choix orientés code et des tableaux de benchmarks, voir le comparatif meilleurs modèles 14B pour le code.

Benchmark (modèles de base)Llama 3 8BQwen3 8BQwen3 14B
MMLU66,676,981,1
MMLU-Pro35,456,761,0
GSM8K (maths)55,389,892,5
MATH20,560,862,0
EvalPlus (code)44,167,772,2

Lectures associées

Sources

  • ▸Qwen3 Technical Report (arXiv 2505.09388), Tables 5–6 -- arxiv.org/abs/2505.09388
  • ▸Qwen3-14B model card (Hugging Face) -- huggingface.co/Qwen/Qwen3-14B
  • ▸Ollama: qwen3 -- ollama.com/library/qwen3
  • ▸Ollama: llama3 -- ollama.com/library/llama3
  • ▸Ollama: llama3.1 -- ollama.com/library/llama3.1
  • ▸Ollama: qwen3.5 -- ollama.com/library/qwen3.5
  • ▸Meta Llama 3 8B model card (Hugging Face) -- huggingface.co/meta-llama/Meta-Llama-3-8B

Réponses rapides sur Qwen 14B vs Llama 8B

Qwen3 14B peut-il tourner sur un GPU de 6 Go de VRAM ?▾
Non. Le téléchargement de qwen3:14b fait à lui seul 9,3 Go, il faut donc au moins environ 10 Go de VRAM. Sur une carte de 6 Go, Llama 3 8B (4,7 Go) est le choix sûr.
Qwen3 14B ou Llama 3 8B : lequel est meilleur pour le code ?▾
Qwen3 14B. Dans les tableaux de modèles de base de Qwen, il obtient 72,2 sur EvalPlus contre 44,1 pour Llama 3 8B. N'utilisez Llama 3 8B que si la VRAM exclut le 14B.
Qwen3 14B gère-t-il un contexte plus long que Llama 3 8B ?▾
Oui. Qwen3 14B a 32K de contexte natif et a été validé jusqu'à 131K avec la mise à l'échelle YaRN (Ollama indique 40K par défaut). Llama 3 8B est limité à 8K. Pour un Llama à long contexte, utilisez Llama 3.1 8B, qui gère 128K.
Qwen3 8B ou Qwen3 14B : lequel choisir ?▾
Qwen3 14B est plus fort (MMLU 81,1 contre 76,9, MMLU-Pro 61,0 contre 56,7 pour les modèles de base) mais demande 9,3 Go au lieu de 5,2 Go. Choisissez le 14B à partir de 12 Go de VRAM, le 8B pour les cartes de 8 Go.
Existe-t-il un modèle Llama 14B ?▾
Non. Les modèles texte Llama 3.x de Meta existent en 1B, 3B, 8B, 70B et 405B, sans 14B. L'alternative 14B habituelle à un Llama 8B est Qwen3 14B.
Quelle est la bonne commande Ollama pour Qwen 14B ?▾
Utilisez ollama run qwen3:14b. Des tags comme qwen3.8:14b n'existent pas. Le téléchargement par défaut de 9,3 Go est une quantification 4 bits ; la page Tags du modèle sur ollama.com liste les autres quantifications, par exemple des variantes à plus de bits pour cartes de 16 Go.
D'où viennent les valeurs tok/s ?▾
Ce sont des estimations approximatives pour un seul utilisateur sur RTX 3060 12 Go, pas des mesures PromptQuorum. La vitesse dépend de la quantification, de la longueur de contexte et du runtime ; lancez ollama run --verbose et lisez l'eval rate sur votre propre matériel.
MCP