← Découvrir
Découvrir · GitHub · Whichllm↑ +143 aujourd'hui

Trouvez le modèle d'IA le mieux adapté à votre matériel

Whichllm est un outil qui vous permet d'identifier les grands modèles de langage natifs qui fonctionnent le mieux sur votre matériel. En se concentrant sur les benchmarks actuels plutôt que sur le nombre de paramètres, ce logiciel basé sur Python vous permet de choisir le modèle le plus adapté avec une seule commande.

Mises à jour

  • 2 août 2026: Étoiles 3,679 → 6,101, dernière version v0.5.15 (3 juillet 2026).

Mise à jour

  • 2 août 2026 : Star 3 679 → 6 101, dernière version v0.5.15 (3 juillet 2026).

Ce que ça vous apporte

  • Il détermine le modèle de langage natif le mieux adapté à votre matériel avec des données de référence à jour.
  • Il prédit les performances en détectant automatiquement les fonctionnalités du GPU et du système.
  • Il offre la possibilité de télécharger des modèles, de démarrer des discussions et de créer des exemples de code Python avec une seule commande.

Installation

Installation de véhicules
uv tool install whichllm
uv tool upgrade whichllm  # update an existing install
Méthodes d'installation alternatives
brew install andyyyy64/whichllm/whichllm
pip install whichllm

Exécution

Permettez-moi de lister les modèles qui conviennent le mieux à votre matériel.
whichllm
Démarrer une discussion avec un modèle spécifique
whichllm run "qwen 2.5 1.5b gguf"

Si vous ne codez pas

🤖 Collez ceci dans votre agent (Claude Code · Codex · Antigravity)

À l'aide de l'outil Whichllm, je souhaite répertorier les modèles de grand langage locaux qui correspondent le mieux à mes spécifications matérielles et voir les estimations de performances de ces modèles. Comment puis-je filtrer les modèles avec les scores de référence les plus élevés en fonction de la capacité du GPU ou du CPU de mon système, ainsi que planifier le matériel requis pour un modèle particulier ?

Termes liés du glossaire

Pour quiIl s'adresse aux utilisateurs qui recherchent des modèles d'IA natifs qui fonctionneront le plus efficacement sur leur matériel et qui souhaitent rester à l'écart de la complexité technique.
LicenceMIT

Liens

TreScout n'a pas développé cet outil · nous l'avons repéré dans les tendances GitHub et présenté. Cette page décrit le dépôt tel qu'il était le 2026-06-09 : Le nombre d'étoiles et notre texte datent de ce jour, le dépôt a pu changer depuis. Consultez le lien du dépôt pour l'état actuel.