Qwen 14B vs Llama 3 8B : lequel tourne mieux en local ?
Par Hans Kuepper · 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

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
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.
| Modèle | Commande Ollama | Taille du téléchargement | Contexte natif | MMLU (base) |
|---|---|---|---|---|
| Llama 3 8B | ollama run llama3 | 4,7 Go | 8K | 66,6 |
| Qwen3 8B | ollama run qwen3:8b | 5,2 Go | 32K (131K avec YaRN) | 76,9 |
| Qwen3 14B | ollama run qwen3:14b | 9,3 Go | 32K (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 8B | Qwen3 8B | Qwen3 14B |
|---|---|---|---|
| MMLU | 66,6 | 76,9 | 81,1 |
| MMLU-Pro | 35,4 | 56,7 | 61,0 |
| GSM8K (maths) | 55,3 | 89,8 | 92,5 |
| MATH | 20,5 | 60,8 | 62,0 |
| EvalPlus (code) | 44,1 | 67,7 | 72,2 |
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