Autocomplétion
Suggestions brèves pendant la saisie. La latence compte plus qu’un très grand modèle.
Prévoir 8–16 GoCode local · dépôt privé · votre matériel
Choisir le meilleur LLM local et le bon PC pour coder
Commencez par la tâche : l’autocomplétion rapide n’a pas les mêmes besoins qu’un agent qui lit un dépôt, modifie des fichiers, lance les tests et conserve au moins 64K de contexte.
- usage d’abord
- contexte inclus
- agent sécurisé
Réponse rapide
Le meilleur modèle de code local est celui qui tient dans tout le workflow
La qualité du modèle ne suffit pas : il faut de la mémoire rapide, un contexte utilisable, des appels d’outils fiables et des boucles assez courtes.
Chat et débogage
Expliquer du code, écrire des tests et analyser quelques fichiers avec un modèle 14B–32B.
Prévoir 16–32 GoAgent de dépôt
Lit, recherche, modifie et exécute des commandes. Les outils et 64K de contexte deviennent essentiels.
Prévoir 24–32 Go ou plusAgents parallèles
Chaque session ajoute du cache KV et des tampons. Un grand pool partagé apporte surtout de la capacité.
Prévoir 64–128 GoMémoire avant l’étiquette « IA »
Classes de matériel pour les LLM de code locaux
Ces fourchettes servent à planifier. Quantification, cache de contexte, runtime, système et sessions simultanées partagent la mémoire.
| Classe | Bon usage | Modèles pratiques | Limite principale |
|---|---|---|---|
| 12–16 Go de VRAM | Autocomplétion, chat ciblé | Modèles 7B–14B quantifiés | Les grands dépôts et le long contexte réduisent vite la marge. |
| 24 Go de VRAM | Un agent local capable | Nombreux modèles 20B–30B quantifiés | Le contexte 64K peut rendre une configuration très juste. |
| 32 Go de VRAM | Agents rapides et code plus complexe | Classe 20B–32B avec davantage de cache | Les modèles 70B nécessitent généralement un offload. |
| 64–128 Go unifiés | Grands modèles, long contexte, plusieurs services | De 32B aux 70B quantifiés, priorité capacité | Tenir en mémoire ne garantit pas le débit d’un GPU dédié. |
Modèle de référence utile
Qwen3-Coder 30B-A3B explique pourquoi le nom ne suffit pas
La fiche officielle indique 30,5 milliards de paramètres au total, 3,3 milliards activés et 262 144 jetons de contexte natif. C’est un modèle mixture-of-experts : les paramètres activés décrivent le calcul par jeton, mais tous les poids des experts doivent être chargés.
- conçu pour le code et les appels d’outils
- le contexte natif maximal n’est pas gratuit en mémoire
- la quantification change la taille et parfois la qualité
- réduire le contexte en cas de mémoire insuffisante
Contexte réel de l’agent
Un modèle qui tient à 8K peut échouer à 64K
Les agents ajoutent aux fichiers le schéma des outils, les sorties de commandes et l’historique. Plusieurs sessions multiplient le cache.
Poids du modèleaprès quantification+Cache KVcontexte × architecture × sessions+Marge runtimeoutils, système et tampons
L’agent et le modèle sont deux choix
Choisir l’interface selon le travail autorisé
OpenCode
Agent de terminal capable de lire, modifier et lancer des commandes.
Pour :dépôts et terminalSuivre l’installation localeContinue
Extension IDE avec rôles distincts pour chat, édition et autocomplétion.
Pour :VS Code et JetBrainsGuide officielCline
Agent dans l’IDE avec prise en charge des modèles locaux.
Pour :travail guidé dans l’éditeurGuide officielAider
Pair programmer en terminal, attentif à Git et aux changements ciblés.
Pour :modifications contrôléesGuide officielVRAM dédiée pour la vitesse
Une RTX 5090 fournit 32 Go de VRAM rapide. Elle réduit les boucles modification–test quand le modèle et son contexte tiennent entièrement.
- excellente classe 20B–32B
- écosystème CUDA étendu
- capacité fixe de 32 Go
Mémoire unifiée pour la capacité
Un système Ryzen AI Max+ 395 de 128 Go accepte des modèles quantifiés plus grands et davantage de contexte. C’est un choix de capacité, pas une promesse de vitesse RTX 5090.
- modèles plus grands
- systèmes compacts
- runtime et allocation UMA à vérifier
Un modèle local peut exécuter des outils dangereux
Quatre garde-fous avant le premier agent
L’inférence locale protège le traitement du prompt, pas automatiquement les fichiers ni les commandes autorisées.
Branche propre
Commiter avant et travailler dans une branche ou un worktree réversible.
Secrets exclus
Conserver clés et données de production hors du dossier accessible.
Droits limités
Ne pas lancer comme administrateur et vérifier les commandes sensibles.
Patch vérifié
Relire le diff et exécuter tests, lint et contrôles de sécurité.
Trois chemins de PC complet
Choisir la priorité avant le boîtier
| Priorité | Système | Atout | À vérifier |
|---|---|---|---|
| Agent rapide | Tour RTX 5090 | 32 Go de VRAM dédiée et CUDA | GPU de bureau exact, 64 Go+ RAM, refroidissement et alimentation |
| Grande capacité | Beelink GTR9 Pro ou MS-S1 Max | 128 Go unifiés dans un système compact | Version 128 Go, allocation graphique, OS et backend |
| Appliance NVIDIA | ASUS Ascent GX10 | 128 Go cohérents et environnement NVIDIA | Compatibilité Arm64/Linux de chaque dépendance |
Documentation primaire
Sources pour modèles, agents et contexte
Qwen3-Coder
Architecture, paramètres, contexte et outils dans la fiche officielle.
Ollama + OpenCode
Lancement direct et contexte local dans le guide officiel.
Fournisseurs OpenCode
Endpoint Ollama et diagnostic des outils dans la documentation officielle.
Étape suivante
Utilisez le configurateur PC avec votre classe de modèle et votre contexte.
Passer à un test réel
Installer OpenCode localement et essayer une petite tâche réversible
Mesurez d’abord la réussite des tests, puis cherchez si la limite vient du modèle, du contexte ou de la vitesse.