# Llama 3.2 1B

> Fiche du modèle de langage Llama 3.2 1B sur Quelle IA, édition du 28 septembre 2026. Llama 3.2 1B (Meta AI) : score IA de 0,0, 246e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/llama-3-2-1b/
Origine : Meta AI · États-Unis · sorti le 24 septembre 2024

## Score général

- Score IA : 0,0 (marge à 90 % : de 0,0 à 16,6)
- Rang : 246 (Groupe 15, ex æquo)
- Couverture : 90 % du poids des tâches, 17 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 0,0 | Provisoire · 11 % |
| Code | 0,0 | Provisoire · 8 % |
| Agents | 0,0 | Provisoire · 11 % |
| Usage | 0,0 | Rang 274 · 100 % |
| Maths | 0,0 | Provisoire · 25 % |
| Sciences | 0,0 | Provisoire · 40 % |
| Français | 0,0 | Rang 177 · 50 % |
| Vision | non mesuré | Non mesuré |
| Écriture | 0,0 | Rang 273 · 100 % |
| Web | non mesuré | Non mesuré |

## Exécution locale

Tient à partir d'une carte graphique de 8 Go (6 Go utiles), en version complète, par exemple une GeForce RTX 5050. Mémoire estimée : 2,9 Go.

- Allégée, 4 bits : 0,9 Go
- Allégée, 8 bits : 1,5 Go
- Complète, 16 bits : 2,9 Go

- Plus petite machine : [Carte graphique 8 Go](https://quelleia.com/local/#carte_graphique_8_go), version complète
- Carte graphique : [Carte graphique 8 Go](https://quelleia.com/local/#carte_graphique_8_go), version complète ; par exemple [GeForce RTX 5050](https://quelleia.com/local/geforce-rtx-5050/)
- PC portable RTX : [PC portable GeForce RTX 8 Go](https://quelleia.com/local/#pc_portable_rtx_8_go), version complète ; par exemple [PC portable avec GeForce RTX 5050](https://quelleia.com/local/pc-portable-geforce-rtx-5050/)
- PC portable Intel : [PC portable Intel Core Ultra 32 Go](https://quelleia.com/local/#pc_portable_intel_32_go), version complète ; par exemple [Samsung Galaxy Book6 Pro 16 pouces, 32 Go](https://quelleia.com/local/samsung-galaxy-book6-pro-16/)
- PC portable Snapdragon : [PC portable Snapdragon X2 48 Go](https://quelleia.com/local/#pc_portable_snapdragon_48_go), version complète ; par exemple [ASUS Zenbook A16 (2026), Snapdragon X2 Elite Extreme, 48 Go](https://quelleia.com/local/asus-zenbook-a16-2026-snapdragon-x2-48go/)
- Mac : [Mac 16 Go](https://quelleia.com/local/#mac_16_go), version complète ; par exemple [Mac mini M6, 16 Go](https://quelleia.com/local/mac-mini-m6-16go/)
- Ryzen AI Max : [Ryzen AI Max 32 Go](https://quelleia.com/local/#ryzen_ai_max_32_go), version complète ; par exemple [Ryzen AI Max 385, 32 Go](https://quelleia.com/local/ryzen-ai-max-385-32go/)
- Nvidia DGX : [DGX Spark 128 Go](https://quelleia.com/local/#dgx_spark), version complète ; par exemple [Nvidia DGX Spark](https://quelleia.com/local/dgx-spark/)
- Sans carte graphique : [PC portable 16 Go](https://quelleia.com/local/#portable_16_go), version complète ; par exemple [PC portable 16 Go, sans carte graphique](https://quelleia.com/local/pc-portable-16-go/)
- Serveur : Oui

## Fiche technique

- Prix : 0,02 € / 0,18 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 60 000 jetons (environ 45 000 mots)
- Entrées : Texte
- Réflexion : Non communiqué
- Paramètres : 1,2 milliards
- Licence : Poids ouverts (poids ouverts, téléchargeables)
- Classe énergétique : Non communiquée
- Hébergement en Europe : Non communiqué
- Connaissances jusqu'à : Décembre 2023

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/meta-llama/Llama-3.2-1B-Instruct)
- Sur votre machine : [Ollama](https://ollama.com/search?q=Llama-3.2-1B-Instruct)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/meta-llama/llama-3.2-1b-instruct)
- L'essayer : [Meta AI](https://www.meta.ai)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 89,8 % | 21,2 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 44,7 % | -57,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 41,9 % | -12,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 33,1 % | -116,4 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, OrangeSum (résumé) | Français | 31,4 % | -89,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, OrangeSum (résumé) | Français | 29,1 % | -153,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 26,3 % | -67,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions de maths | Maths | 1 123,3 Elo | 12,6 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 082,5 Elo | 5,0 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 111,1 Elo | 2,6 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 149,4 Elo | 4,8 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 082,3 Elo | 5,7 | actif | https://arena.ai/leaderboard |
| EuroEval, FQuAD (compréhension) | Français | 10,5 % | -290,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| BALROG | Agents | 6,6 % | 13,8 | actif | https://balrogai.com/ |
| EuroEval, ScaLA (grammaire) | Français | 3,4 % | -110,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, MultiLoKo (connaissances locales) | Français | 3,2 % | 19,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 2,3 % | -94,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, MultiLoKo (connaissances locales) | Français | 2,3 % | 13,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ScaLA (grammaire) | Français | 0,5 % | -175,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 0,5 % | -112,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 0,6 % | 30,9 | saturé | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 0,4 % | -112,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 23,9 % | 6,9 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 0 % | 47,6 | actif | https://epoch.ai/benchmarks |
| EuroEval, INCLUDE (connaissances) | Français | -0,5 % | -125,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |

## En bref

**Quel est le score de Llama 3.2 1B ?** Llama 3.2 1B obtient un score IA de 0,0, avec une marge de 0,0 à 16,6, dans l'édition du 28 septembre 2026. Il est classé 246e sur 246 modèles, à partir de 17 mesures.

**Dans quelles tâches Llama 3.2 1B est-il le plus fort ?** Ses deux meilleures tâches sont raisonnement (0,0) et code (0,0). Sa tâche la plus faible est écriture (0,0).

**Llama 3.2 1B peut-il tourner en local ?** Tient à partir d'une carte graphique de 8 Go (6 Go utiles), en version complète, par exemple une GeForce RTX 5050. Mémoire estimée : 2,9 Go.

**Combien coûte Llama 3.2 1B ?** 0,02 € par million de jetons en entrée et 0,18 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Llama 3.2 1B ?** Llama 3.2 1B est édité par Meta AI (États-Unis), et il est sorti le 24 septembre 2024. Ses poids sont ouverts.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com