← Accueil actu | Salle du marché
2026-09-16 · Source：InfoWorld
Les modèles à poids ouverts sur portables affichent désormais 90% à un benchmark de codage agentique qui avait laminé les outils locaux il y a quelques mois, et Ollama est devenu une façon populaire de les exécuter.
Les développeurs qui avaient rayé les grands modèles de langage hébergés localement après de premières déceptions gagneraient à y regarder de nouveau, selon une analyse d'InfoWorld du runtime Ollama. Le retournement est frappant : Simon P. Couch, ingénieur logiciel senior chez Posit, a noté sur Bluesky ce printemps que quelques mois plus tôt, chaque LLM qu'il pouvait exécuter sur son MacBook marquait 0% à une évaluation de codage agentique qu'il avait constituée. Les sorties d'avril de Qwen 3.5 et Gemma 4, a-t-il rapporté, ont toutes deux atteint 90% au même test.
Le développeur open source Simon Willison, qui suit l'industrie IA de près, a lancé une note similaire dans une conférence éclair à PyCon US 2026 en mai, observant que les modèles disponibles sur portables, bien que bien plus faibles que la frontière, ont commencé à dépasser les attentes de façon spectaculaire. La réserve demeure : un modèle tournant sur un portable ne peut encore approcher ce que les systèmes de pointe d'Anthropic ou d'OpenAI délivrent dans le cloud. Pour du travail bien délimité — répondre à des questions de codage, écrire des fonctions ou résumer des documents —, cependant, les modèles locaux peuvent être étonnamment capables.
Parmi les nombreuses voies pour exécuter des modèles en local, Ollama se détache par sa popularité et son installation aisée, même s'il n'est pas l'option la plus rapide disponible. Son empreinte d'intégration est large : les outils de programmation grand public dont Visual Studio Code, JetBrains AI Assistant, Zed et Posit Assistant le prennent en charge d'emblée. Ollama peut également lancer Claude Code ou Codex, avec la possibilité de pointer ces agents de codage vers un LLM local.
Ollama n'est pas le seul choix. Les alternatives pour exécuter des modèles locaux sur un PC ou un Mac incluent LM Studio, Jan, Unsloth, l'outil LLM créé par Simon Willison et llama.cpp. Pour les organisations qui pèsent si l'inférence sur l'appareil peut absorber des charges de codage et de synthèse de routine, le consensus des praticiens est que le matériel déjà sur le bureau peut désormais franchir une barre qu'il ne passait que quelques mois plus tôt.
Mots-clés: Ollama · Simon P. Couch · Simon Willison · Local LLMs · Qwen 3.5 · Gemma 4
萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle