LLM en local : sélection de modèles non censurés en fonctione de votre GPU (octobre 2026)

Voici une sélection de modèles non censurés et abliterés présents sur Hugging Face en fonction de la VRAM de votre GPU (de 8 à 24 Go).

Un glossaire est présent en fin d'article si certains termes techniques vous paraissent obscurs.

GPU avec 8 Go VRAM

GPU compatibles :

• NVIDIA : RTX 3060 Ti, 3070, 4060, 5060, 4060 Ti 8 Go, 5060 Ti 8 Go
• AMD : RX 6600, 6650 XT, 7600, 9060 XT 8 Go

💡 Le modèle de base atteint 42,8 tok/s sur une 3060 Ti 8 Go jusqu'à une fenêtre de 96k.

1. Bonsai 2 27B Heretic

1-bit / 5,95 Go Refus : 95 à 0 / 100 147k téléch./mois

2. Bonsai 2 27B Abliterated

Refus : 83 % à 0 % MMLU : 78 % 77k téléch.

3. Bonsai 2 27B Crack

Refus Harmbench : 93 % à 0 %

Cartes 8 Go plus anciennes

GPU compatibles : GTX 1070, GTX 1080

💡 Le modèle de base atteint 42 tok/s sur une GTX 1080 de 2016.

1. Gemma 4 E4B Aggressive

5,3 Go 0 refus sur 465 1,43M téléch./mois

2. Gemma 4 E4B Heretic

Refus : 99 à 3 / 100

GPU avec 12 Go VRAM

GPU compatibles :

• NVIDIA : RTX 3060 12 Go, 3080 12 Go, 4070, 4070 Super, 4070 Ti, 5070
• AMD : RX 6700 XT, 6750 XT, 7700 XT

💡 Bonsai 2 de base atteint 50,1 tok/s sur une 3060 12 Go avec mon kernel et la tête de prédiction multi-tokens.

1. Bonsai 2 27B Abliterated V2 (tête MTP)

7,7 Go Refus : 84 % à 0 %

2. Qwen 3.8 27B Abliterated (GSQ-RCO)

Compressé à 10 Go 2,12M téléch./mois

3. Qwen 3.8 27B Heretic GSQ-RCO

9,3 à 10,1 Go Refus : 0 à 1 / 100

4. Gemma 4 12B Heretic

7,4 Go 120k téléch.

GPU avec 16 Go VRAM

GPU compatibles :

• NVIDIA : RTX 4060 Ti 16 Go, 5060 Ti 16 Go, 4070 Ti Super, 4080, 5070 Ti, 5080
• AMD : RX 6800, 6900 XT, 7600 XT, 7800 XT, 9060 XT 16 Go, 9070 XT

💡 Bonsai 2 de base atteint 67,3 tok/s sur une 5060 Ti 16 Go avec tout activé.

1. Qwen 3.8 27B Heretic ARA

Conçu pour 16 Go Taille : 14 Go

2. Qwen 3.8 27B Aggressive (tête MTP)

12,8 à 15,7 Go 0 refus sur 465 2,06M téléch./mois

3. Bonsai 2 27B Heretic

Fenêtre 262k Tête de prédiction & Vision activées

4. Gemma 4 26B A4B Abliterated

MoE (4B actifs/token) 13,4 Go

24 Go VRAM

GPU compatibles :

• NVIDIA : RTX 3090, 3090 Ti, 4090
• AMD : RX 7900 XTX (et la 7900 XT 20 Go convient aussi)

💡 Qwen 3.8 27B Q4 de base atteint 41,3 tok/s sur 3090 avec la tête MTP (61 tok/s rapportés sur 3090 Ti, 76 tok/s sur 4090).

1. Qwen 3.8 27B Uncensored

Q4 - 16,8 Go 2,31M téléch./mois

2. Qwen 3.8 27B Abliterated

Q4 - 16,8 Go 2,12M téléch.

3. Qwen 3.8 27B Aggressive (tête MTP)

0 refus sur 465 2,06M téléch.

4. Qwen 3.8 27B Heretic

Refus : 0 à 1 / 100

5. Qwen 3.8 27B Fable Cold Fusion

Merge codeur non censuré 2,09M téléch.

6. Qwen 3.6 35B A3B Aggressive

MoE (3B actifs) 11,9M téléch. (Le plus populaire)

Conclusion :

Les chiffres de refus sont les tests propres à chaque éditeur, donc lisez-les par modèle, et les vitesses concernent les modèles de base sur cartes Nvidia, ces builds gardent la même taille donc tournent pareil.

Les cartes AMD proposent de faire tourner les mêmes fichiers sur les backends Vulkan ou ROCm de llama.cpp. Les builds Bonsai tournent sur le llama.cpp de PrismML.

⚠️ Important : Zéro refus signifie zéro garde-fous, vous assumez ce que vous demandez.

Glossaire IA :

Si vous débutez dans l'exécution de modèles de langage (LLM) en local sur votre ordinateur, voici un guide rapide pour comprendre tous les termes techniques :

Les types de modèles :

LLM (Large Language Model) / Modèle de langage

Un programme informatique entraîné sur d'immenses quantités de texte pour comprendre et générer du langage humain (ex: ChatGPT, Qwen, Gemma).

Non censuré (Uncensored)

Un modèle dont on a retiré les filtres de sécurité d'origine. Il répondra à toutes les questions sans émettre de refus éthiques ou moraux.

Ablitéré (Abliterated)

Une technique récente pour désactiver les mécanismes de refus d'un modèle sans dégrader ses compétences générales (logique, code, etc.).

MoE (Mixture of Experts / Mélange d'experts)

Une architecture d'IA composée de plusieurs "spécialistes". Au lieu d'activer tout le modèle à chaque question, l'IA n'utilise que les experts nécessaires (ex: 3B ou 4B actifs), ce qui la rend beaucoup plus rapide.

Merge

La fusion de plusieurs modèles différents pour combiner leurs forces (par exemple, marier un modèle doué en écriture avec un modèle expert en programmation).

Vitesse & Optimisation :

tok/s (Tokens par seconde)

La vitesse de génération. Un token équivaut à environ 3/4 d'un mot en français. À 40-50 tok/s, le texte s'affiche instantanément à l'écran.

GGUF

Le format de fichier le plus populaire pour faire tourner des IA sur des ordinateurs grand public via des logiciels comme llama.cpp, LM Studio ou Ollama.

Quantification (ex: 1-bit, Q4, PQ2_0)

Une méthode de compression qui réduit la taille d'un modèle pour qu'il tienne sur une carte graphique plus petite, moyennant une perte de précision minime.

Tête MTP / Tête d'accélération (Speculative Head)

Une optimisation logicielle qui permet à l'IA de prédire et générer plusieurs mots en même temps au lieu d'écrire mot par mot, accélérant considérablement l'affichage.

Kernel (Noyau GPU)

Un bout de code sur mesure qui indique à la carte graphique comment exécuter les calculs de l'IA de la manière la plus fluide possible.

Source : https://x.com/sudoingX/status/2107855975382127073/photo/1