Déployer des modèles ouverts sur des GPU

Choisissez une configuration GPU et une capacité pour trouver les meilleurs modèles ouverts compatibles, et déployez l'un d'eux sous forme d'API.

Raisonnement & Maths · 1× NVIDIA RTX PRO 6000 Blackwell

Classés par scores de benchmark pour Mathématiques de compétition, raisonnement logique et scientifique

#	Modèle	Paramètres	Précision	Contexte max	Score (0–10)
1	Qwen3.8-27B 2026.08	27.8B	FP8	256K	8.85
2	GLM-4.7-Flash 2026.01	31B	FP16	198K	7.23
3	Qwen-AgentWorld-35B-A3B 2026.06	34.7B	FP16	256K	7.10
4	TaskMem 2026.06	31.1B	FP16	240K	7.10
5	Gemma 4 31B 2026.03	31B	FP16	256K	7.07
6	Kimi-VL-A3B-Thinking-2506 2025.06	16.4B	FP16	128K	7.00
7	ZAYA1-8B 2026.05	8.8B	FP8	128K	6.71
8	Cosmos3-Edge 2026.07	3.9B	FP16	128K	6.60
9	UI-Mate-27B 2026.08	27.4B	FP16	256K	5.80
10	Fara-7B 2025.11	8.3B	FP16	125K	5.60
11	Nemotron 3 Nano Omni 2026.04	33B	NVFP4	256K	5.00
12	North-Micro-Vision-Instruct 2026.08	2.5B	FP16	488K	1.60
13	Mage-VL 2026.07	4.7B	FP16	256K	0.42
14	GLM-4.1V-9B-Thinking 2025.07	10.3B	FP16	64K	0.30

Déploiement validé sur HyperAI

Les scores agrègent les benchmarks publics pour la capacité sélectionnée.
Tient dans la VRAM utilisable avec les poids plus le cache KV pour un contexte de 64K+, à la meilleure précision.