L’essentiel
- 16 GB : seuls de petits modèles généralistes tournent confortablement ; Qwen3 Coder 30B A3B ne tient qu’en précision plus faible. 24 GB : Devstral Small 2 (24B). 32 à 64 GB : Qwen3 Coder 30B A3B et Devstral Small 2 en 4 bits.
- 96 GB et plus : Qwen3 Coder Next (80B, 3B actifs). 128 GB : aussi Devstral 2 (123B), lentement. 512 GB : Kimi K2.7 Code, en faible précision.
- Les modèles de code à mélange d’experts ne lisent que quelques milliards de poids par token : Qwen3 Coder 30B A3B peut donc écrire plusieurs fois plus vite que le modèle dense Devstral Small 2 sur le même Mac.
- Les agents de code envoient de longs prompts : gardez plusieurs gigaoctets pour le contexte, et voyez combien de RAM demande un LLM.
1Les modèles de code qui tournent bien, selon la mémoire
« Tourne bien » signifie qu’il tient en 4 bits ou mieux avec de la place pour le contexte, à 10 tokens par seconde ou plus : la même règle que chaque page Mac. Les modèles conçus pour le code de notre catalogue de modèles ouverts, plus le modèle généraliste au meilleur Intelligence Index d’Artificial Analysis qui tourne bien à cette taille, et qui écrit aussi du code :
| Mémoire du Mac | Conçus pour le code | Meilleur modèle généraliste |
|---|---|---|
| 16 GB | Qwen3 Coder 30B A3B seulement en précision plus faible | MiniCPM5 2B |
| 24 GB | Devstral Small 2 | MiniCPM5 2B |
| 32 GB | Qwen3 Coder 30B A3B, Devstral Small 2 | Qwen3.8 27B |
| 48 GB | Qwen3 Coder 30B A3B, Devstral Small 2 | Qwen3.8 27B |
| 64 GB | Qwen3 Coder 30B A3B, Devstral Small 2 | Qwen3.8 27B |
| 96 GB | Qwen3 Coder Next, Qwen3 Coder 30B A3B, Devstral Small 2 | Qwen3.8 27B |
| 128 GB | Qwen3 Coder Next, Devstral 2 (123B) (plus lent) | Qwen3.8 27B |
| 256 GB | Qwen3 Coder Next, Devstral 2 (plus lent) | Qwen3.8 Flash Next |
| 512 GB | Kimi K2.7 Code en précision plus faible, Qwen3 Coder Next | DeepSeek V4.1 Flash 1017 |
2Pourquoi les modèles de code à mélange d’experts semblent rapides
La vitesse d’écriture est limitée par le nombre d’octets de poids lus pour chaque token. Un modèle dense les lit tous ; un modèle à mélange d’experts ne lit que sa partie active. Sur un Mac mini M5 Pro (307 GB/s, Apple), en 4 bits :
| Modèle | Paramètres | Lu par token | Plafond pour une conversation |
|---|---|---|---|
| Qwen3 Coder 30B A3B | 30,5B au total, 3,3B actifs | environ 1,9 GB | environ 165 tokens/s |
| Devstral Small 2 | 24B, dense | environ 13,5 GB | environ 23 tokens/s |
La vitesse n’est pas la qualité : à mémoire égale, un modèle dense peut mieux coder. Essayez les deux sur votre propre code.
3Gardez de la place pour le contexte
Les outils de code envoient beaucoup de texte : les fichiers concernés, la description des outils et la conversation jusque-là. Ce contexte est gardé en mémoire à côté du modèle, dans le KV cache, et il grandit à chaque token. Pour Qwen3 8B, 32 000 tokens occupent environ 4,8 GB (le calcul ici). Les modèles plus gros demandent davantage par token.
Quand un modèle tient tout juste, prenez donc le modèle juste en dessous, ou une précision plus faible, plutôt que de rogner le contexte. Les longs prompts prennent aussi du temps à lire avant que le premier mot n’apparaisse ; la génération M5 lit les prompts plus vite que la M4 (Apple).
4L’utiliser dans votre éditeur ou votre agent
Les outils de code parlent à un modèle via une API. Faites tourner le modèle en local et indiquez-le à l’outil :
- Le serveur local de LM Studio parle les formats OpenAI et Anthropic, et LM Studio propose des guides de configuration pour Claude Code, Codex, OpenClaw et Hermes Agent (LM Studio).
- mlx-lm :
mlx_lm.server --model <model>sert une API de style OpenAI sur le port 8080 (mlx-lm). - Ollama sert aussi une API compatible OpenAI : les meilleures apps pour faire tourner des LLM sur Mac les compare.
Les agents appellent des outils : le modèle doit donc produire des appels d’outils dans un format que le serveur comprend. Les modèles conçus pour le code et les agents, comme Qwen3 Coder et Devstral, sont entraînés pour cela ; les petits modèles généralistes n’y sont souvent pas fiables.
La catégorie Code de l’AI App Store recense des agents et éditeurs de code, comme Claude Code et Codex, chacun avec le téléchargement officiel de l’éditeur, son prix et où vont vos données.
5Questions
- Quel est le meilleur LLM de code en local pour un Mac de 32 GB ?
- Qwen3 Coder 30B A3B et Devstral Small 2 tournent tous deux bien en 4 bits. Qwen3 Coder écrit beaucoup plus vite, car seuls 3,3B de ses 30,5B paramètres sont lus par token ; essayez les deux sur votre propre code.
- Un Mac de 16 GB peut-il faire tourner un modèle de code ?
- De petits modèles, oui. Qwen3 Coder 30B A3B ne tient dans 16 GB qu’en précision plus faible, avec peu de place pour le contexte. Pour les agents de code, 32 GB ou plus est un meilleur point de départ.
- Puis-je utiliser Claude Code ou Codex avec un modèle local ?
- Oui. LM Studio propose des guides de configuration pour les deux : son serveur local parle le format Anthropic qu’utilise Claude Code et le format OpenAI qu’utilise Codex (LM Studio). Le résultat dépend du modèle que vous chargez.
- Un modèle de code local est-il aussi bon qu’un modèle cloud ?
- Les plus gros modèles ouverts s’en approchent sur beaucoup de tâches, mais ils demandent un Mac Studio de 256 ou 512 GB. Les modèles qui tiennent dans 32 à 64 GB sont utiles pour la complétion, les explications et les petites tâches d’agent, et gardent votre code sur votre Mac.