Puis-je faire tourner Qwen 3.5 9B ?

Qwen 3.5 9B est le modèle généraliste d'Alibaba sorti début 2026, et son point fort, c'est qu'il gère la vision en plus du chat et du raisonnement, pas seulement le texte. En quantification 4-bit, il pèse environ 5.5 GB, ce qui passe juste mais reste exploitable sur un GPU de 12 GB, et tient sans souci dans la mémoire unifiée d'un Mac Apple Silicon. Si vous voulez le caser sur plus petit, vous pouvez descendre à une version 2-bit autour de 3.8 GB, mais la qualité en pâtit. Prévoyez environ 12 GB de RAM système comme plancher réaliste.

À l'usage quotidien, il est rapide. Sur une RTX 3060, comptez autour de 56 tokens par seconde en 4-bit, et un M-series Max monte à environ 64, soit plus vite que vous ne lisez dans les deux cas. Une RTX 4090 s'envole à près de 157 tok/s si vous en avez une. La fenêtre de contexte de 256K est le chiffre qui fait la une, mais soyez lucide sur la mémoire : même à 128K de contexte, l'empreinte totale grimpe à environ 23.2 GB, ce qui déborde largement une carte de 12 GB. Gardez un contexte de travail modeste, sauf si vous disposez d'un GPU de 24 GB.

Au sein de sa propre famille, le positionnement est limpide : les Qwen 3 0.6B et 1.7B sont des poids plume orientés chat uniquement, pensés pour le matériel contraint, tandis que ce 9B est celui vers lequel on se tourne quand on veut du raisonnement et de la compréhension d'images dans un seul modèle. GLM-4.6V-Flash est l'alternative comparable, également capable de vision et de même taille, et les deux se rendent coup pour coup selon la tâche. La vraie force de Qwen 3.5 9B, c'est cette polyvalence en un seul téléchargement, et la licence Apache 2.0 vous permet de l'utiliser commercialement sans aucune contrainte.