Outils, frameworks et modèles pour l'IA locale
23 ressources trouvées pour "Immagini"
Black Forest Labs (Monaco de Bavière, Allemagne) : les modèles FLUX, la référence actuelle de la génération d'images open de haute qualité. Les modèles FLUX du catalogue sont les ressources filles.
Modèle de décision multimodal de 27B (base Qwen3.8-27B) de Cloudflare : il lit un état (texte, JSON, images, vidéo) et un schéma de questions typées et renvoie une probabilité pour chaque option en une seule passe, sans génération de texte. Compatible avec l'API Jev et SystemOne.
Modèle d'images de 5,6 Md open weights pour texte-vers-image, édition par référence et composition multi-références en un seul modèle, avec des boîtes de positionnement dans le prompt. Encodeur texte Qwen3-VL-4B. En BF16 (11,1 Go), FP8 et NVFP4 (5,3 Go). Licence FLUX Kommunity (usage non commercial + exception pour utilisateurs qualifiés).
Le modèle d'images open le plus avancé : adhérence au prompt excellente, anatomie solide et fine-tuning complet. La référence pour les usages sérieux.
Génération en très peu d'étapes avec une haute qualité et un excellent rendu du texte. La version distillée de FLUX, pensée pour la vitesse.
Génération d'images SDXL en un clic, style Midjourney : zéro paramètre à gérer. La voie la plus simple pour produire des images de qualité.
Famille de modèles open de Google en tailles 1B, 4B, 12B et 27B. Contexte de 128K tokens, plus de 140 langues supportées et entrées multimédias (texte et images). Excellent choix pour le RAG et les documents longs sur du matériel grand public.
La taglia compatta della famiglia Gemma 3 di Google: 4,32B di parametri, contesto di 128K token e supporto nativo a 140+ lingue (incluso l'italiano), con input testo+immagini. Licenza Gemma (uso commerciale con condizioni). In Q4_K_M occupa circa 2,9GB: gira su GPU da 8GB e su CPU moderne.
La taglia 12B della famiglia Gemma 4 di Google: 11,95B dense, contesto 256K e multimodalità integrata senza encoder separati (testo+immagini+audio). Licenza Apache 2.0. In Q4_K_M occupa circa 7,4GB: il punto di equilibrio tra qualità e requisiti hardware per l'uso locale su 8-16GB.
Il modello MoE della famiglia Gemma 4: 25,2B di parametri totali con 3,8B attivi per token. Contesto 256K, input testo+immagini, oltre 140 lingue, Apache 2.0. In Q4_K_M pesa circa 16,8GB: la scelta per chi ha 24GB di VRAM e vuole qualità da modello grande con velocità da modello piccolo.
Modèle compact de la famille Gemma 4 de Google : 8B de paramètres au total, dont 4,5B effectifs grâce aux embeddings par couche (PLE). Contexte de 131K tokens, plus de 140 langues, entrées texte+images et audio. La taille d'entrée de la famille Gemma 4 pour l'usage local sur 8-16GB.
Bibliothèque Python de Hugging Face pour exécuter les pipelines des modèles génératifs : image, vidéo et audio. C'est le moyen standard de faire tourner des modèles comme Qwen-Image en local, avec support CUDA et offload CPU pour les GPU à mémoire réduite.
Il modello MoE grande della famiglia Llama 4 di Meta: 400B di parametri totali con 17B attivi (128 esperti). Contesto 1M di token, nativamente multimodale (testo+immagini), licenza comunitaria Meta. Richiede multi-GPU o macchine con memoria unificata 128GB+ anche quantizzato.
Le premier MoE open-source de la série MiniCPM-V d'OpenBMB : 35,2 Md de paramètres au total, ~3 Md actifs par token, compréhension d'images multiples et de vidéo avec compression précoce des tokens visuels (LLaVA-UHD v4). Premier MoE open-source à décoder fluidement sur appareil — 13+ tokens/seconde avec seulement 3 Go de RAM sur iPhone 17 Pro Max — grâce au Lookahead Expert Scheduling (llama.cpp-omni), à une quantisation fine par couche et au DSpark speculative sampling. Support day-0 pour Rockchip, Houmo, Intel, AMD et Arm ; tourne sur Ollama, llama.cpp, vLLM et SGLang.
Il primo 'modello unificato' di Mistral: dense da 128B che unisce instruction-following, reasoning e coding in un'unica serie di pesi, sostituendo Medium 3.1, Magistral e Devstral 2. Multimodale (testo+immagini), contesto 256K, ragionamento configurabile. Open weights con licenza Modified MIT: uso libero fino a una soglia di fatturato per le grandi aziende.
Il modello della linea Small di Mistral, ora MoE: 119B di parametri totali con 6,5B attivi per token (128 esperti, 4 attivi). Unifica instruct, reasoning e coding in un unico modello multimodale (testo+immagini) con contesto 256K. Licenza Apache 2.0.
App GTK4/libadwaita pour GNOME pour discuter avec des modèles locaux via Ollama, en Rust et sous GPLv3 : elle gère l'installation d'Ollama, les modèles et le chargement de documents et d'images locaux.
Le modèle de génération d'images de 20B (MMDiT) d'Alibaba : compréhension du texte dans les images excellente, édition précise et licence Apache 2.0. La base de la famille Qwen-Image, dont 2.1 est la variante compacte de 7B.
Modèle open-weight de 7B (DiT de 32 couches) qui unifie génération à partir de texte jusqu'à 2048x2048, édition avec jusqu'à 10 images de référence et transparence RGBA native. Pensé pour tourner en local sur 16Go+ de VRAM ; supporté par diffusers et ComfyUI.
Il modello dense multimodale della generazione Qwen3.8 di Alibaba: 27,78B di parametri, input testo+immagini+video e contesto nativo di 262K token. Licenza Apache 2.0. L'attenzione ibrida (DeltaNet lineare + GQA) riduce la KV cache di circa il 75% rispetto a un transformer standard: in Q4_K_M sta su una singola GPU da 24GB.
Stability AI (Londres, Royaume-Uni) : les modèles Stable Diffusion pour la génération d'images, de vidéos et d'audio, open-weight avec licences permissives. Les modèles Stable du catalogue sont les ressources filles.
Le classique de la génération d'images : rapide, léger et doté du plus vaste écosystème de LoRA et ControlNet. Parfait pour des GPU de 6-8 Go.
La référence actuelle pour les images photoréalistes et artistiques en 1024px. Meilleure adhérence au prompt et compositions plus cohérentes que SD 1.5.
