Technologie

Modèles

Catalogue des LLM, embeddings et rerankers.

24 / 24


bge-m3 (embeddings) BAAI	Principal	568 M	Embedding	—	8k	MIT	Non	Bon	À vérifier
bge-reranker-v2-m3 (reranker) BAAI	Principal	568 M (base bge-m3)	Reranker	—	8k	Apache 2.0	Non	Bon	À vérifier
gpt-oss-120b OpenAI	Principal	117 Md (5,1 Md actifs)	MoE	59 Go	128k	Apache 2.0 (+ gpt-oss usage policy)	Oui	?	À vérifier
EuroLLM-22B (et 9B) UTTER / EuroLLM	Candidat	22 Md	Dense	13 Go	32k	Apache 2.0	?	Bon	À vérifier
Gemma 3 27B Google DeepMind	Candidat	27 Md	Dense	17 Go	128k	Gemma Terms of Use	Oui	Bon	À vérifier
GLM-4.5 / 4.5-Air (et suite 4.6, 4.7, 5) Zhipu / Z.ai	Candidat	106 Md (12 Md actifs) pour Air ; 355 Md (32 Md actifs) pour 4.5	MoE	60 Go	128k	MIT	Oui	?	À vérifier
gpt-oss-20b OpenAI	Candidat	21 Md (3,6 Md actifs)	MoE	11 Go	128k	Apache 2.0 (+ gpt-oss usage policy)	Oui	?	À vérifier
Mistral Small 3.2 (24B, 2506) Mistral AI	Candidat	24 Md	Dense	15 Go	128k	Apache 2.0	Oui	Bon	À vérifier
Mistral Small 4 (119B-A6B, 2603) Mistral AI	Candidat	119 Md (6 Md actifs, 8 Md avec embeddings)	MoE	68 Go	256k	Apache 2.0	Oui	Bon	À vérifier
multilingual-e5-large (embeddings) Microsoft (intfloat)	Candidat	560 M	Embedding	—	1k	MIT	Non	Bon	À vérifier
nomic-embed-text-v2-moe (embeddings) Nomic AI	Candidat	475 M (305 M actifs)	Embedding	—	1k	Apache 2.0	Non	Correct	À vérifier
Qwen3-235B-A22B (Instruct-2507) Alibaba Qwen	Candidat	235 Md (22 Md actifs)	MoE	140 Go	256k	Apache 2.0	Oui	Correct	À vérifier
Qwen3-30B-A3B (Instruct-2507) Alibaba Qwen	Candidat	30,5 Md (3,3 Md actifs)	MoE	19 Go	256k	Apache 2.0	Oui	Correct	À vérifier
Qwen3-32B Alibaba Qwen	Candidat	32,8 Md	Dense	20 Go	32k	Apache 2.0	Oui	Correct	À vérifier
Qwen3.5 et suivants (3.6, 3.8) Alibaba Qwen	Candidat	35 Md (3 Md actifs) pour 35B-A3B ; 122 Md (10 Md actifs) pour 122B-A10B ; 27 Md dense	Hybride	20 Go	256k	Apache 2.0 (à vérifier par fiche pour 3.8)	Oui	Correct	À vérifier
Qwen3-Embedding (0.6B / 4B / 8B) Alibaba Qwen	Candidat	0,6 / 4 / 8 Md	Embedding	—	32k	Apache 2.0	Non	Bon	À vérifier
Qwen3-Reranker (0.6B / 4B / 8B) Alibaba Qwen	Candidat	0,6 / 4 / 8 Md	Reranker	—	32k	Apache 2.0	Non	Bon	À vérifier
Lucie-7B (OpenLLM-France) LINAGORA / OpenLLM-France	Spécialisé	6,7 Md	Dense	4 Go	32k	Apache 2.0	?	Bon	À vérifier
Magistral Small 1.2 (24B, 2509) Mistral AI	Spécialisé	24 Md	Dense	15 Go	128k	Apache 2.0	Oui	Bon	À vérifier
DeepSeek R1 (et distillations) DeepSeek	Référence	671 Md (37 Md actifs)	MoE	380 Go	128k	MIT	Oui	?	Confirmée
Kimi K2 (Instruct, 0905, K2.6) Moonshot AI	Référence	1 000 Md (32 Md actifs)	MoE	—	128k	Modified MIT (clause d'affichage)	Oui	?	Confirmée
Llama 3.3 70B Instruct Meta	Référence	70 Md	Dense	43 Go	128k	Llama 3.3 Community License	Oui	Bon	À vérifier
jina-embeddings-v3 (embeddings) Jina AI	Écarté	570 M	Embedding	—	8k	CC BY-NC 4.0	Non	Bon	Confirmée
Llama 4 Scout (109B-A17B) Meta	Écarté	109 Md (17 Md actifs)	MoE	60 Go	10 000k	Llama 4 Community License (clause UE)	Oui	Bon	Confirmée

Ajouter un(e) modèle : créer un fichier dans content/models/ (voir README).