Le Meilleur Générateur d'Images AI : Qwen3 Redéfinit la Performance

Qwen3 a été lancé le 29 avril. Cette fois-ci, Qwen a open source huit modèles avec différents paramètres, chacun ayant battu le SOTA (meilleure performance) des modèles open-source de même taille. À quel point sont-ils puissants ? Même le plus petit modèle de 4B de paramètres peut rivaliser avec la performance du modèle précédent de 72B de Qwen ! Cela signifie que le déploiement d'un modèle de haute qualité sur des cartes graphiques disponibles pour les consommateurs est enfin à portée de main. De nombreuses applications peuvent désormais être mises en œuvre. Le déploiement local n'est pas compliqué. Cet article présente deux méthodes qui ne nécessitent pas de connaissances en codage, et qui sont relativement simples :

Première méthode : Ollama

1. Télécharger et installer Ollama : Rendez-vous sur ollama.com et téléchargez la version qui correspond à votre système, c'est aussi simple que d’installer un logiciel ordinaire.
2. Télécharger le modèle : Une fois installé, visitez le site indiqué ci-dessus, cliquez sur l'onglet "Models" dans la barre de menu et trouvez "qwen3" pour accéder à la page de détails, puis choisissez la version qui convient à votre ordinateur. Pour ma carte graphique de la série 30, j'ai sélectionné le modèle 8b (et des tests du modèle 14b sont joints ci-après).

Après avoir copié la commande à l'emplacement marqué ② dans l'image ci-dessus, ouvrez l'invite de commande CMD en utilisant "Win + R", collez la commande, puis appuyez sur Entrée pour télécharger automatiquement la version du modèle.

La version 8b fait environ 5 Go, ajoutée à Ollama elle-même, cela représente environ 10 Go. Par défaut, tout sera installé sur le disque C, assurez-vous donc d'avoir suffisamment d'espace disponible. 3. Commencer la conversation : Une fois le téléchargement terminé, il s'exécute automatiquement et vous pouvez poser des questions directement, comme illustré ci-dessous :

Il est à noter que si vous fermez la fenêtre CMD et que vous souhaitez relancer Qwen3, vous devrez entrer la commande dans la ligne de commande CMD : ollama run qwen3. Comme on peut le voir sur l'image ci-dessus, bien qu'il s'agisse d'un modèle 8b, il possède néanmoins une bonne capacité de réflexion. Je pensais que ma carte graphique de la série 30 ne pourrait pas le supporter, mais la vitesse de sortie peut atteindre 58,96 tokens/s. Même si ce chiffre peut sembler abstrait, en gros, cela équivaut à environ 15 fois la vitesse de frappe d'une personne normale, ce qui est assez rapide.

(En entrant la commande ollama run qwen3 --verbose vous pouvez voir la vitesse de fonctionnement du modèle local, comme montré ci-dessus.) Vous avez maintenant complété l'exécution locale hors ligne du modèle Qwen3. Cependant, cette méthode d'interaction par ligne de commande peut sembler peu pratique. Si cela pouvait être exécuté à l'aide d'outils visuels, ce serait encore mieux, un peu comme nous interagissons habituellement avec DeepSeek, avec une fenêtre de dialogue claire. De nombreux outils existent, j'ai personnellement testé l'Open WebUI d'Ollama, et cela semble prometteur. La méthode d'installation est la suivante :

Seconde méthode : Open WebUI Une fois Ollama installé, il suffit de faire deux étapes supplémentaires : d'abord installer Docker, puis installer Ollama WebUI.

1. Installation de Docker : Rendez-vous sur https://www.docker.com/ et téléchargez en fonction de votre machine. Si vous n'avez pas accès à des méthodes de connexion spéciales, cela peut être lent. J'ai téléchargé la version Windows AMD64 (vous pouvez obtenir cette version en envoyant "docker" dans cette application). Pour un PC Windows basé sur une architecture x64, utilisez cette version directement ; pour les Mac, téléchargez la version sur leur site.

Comment vérifier la version de votre architecture système ? Appuyez sur "Win + R", tapez "msinfo32" et appuyez sur Entrée, puis regardez sous "Résumé système" pour vérifier "Type de système". Une fois téléchargé, installez-le et exécutez-le comme n'importe quel autre logiciel. La première exécution peut être un peu lente.

2. Installer Ollama WebUI : Accédez à https://github.com/open-webui/open-webui, trouvez l'emplacement dans la capture d'écran ci-dessous, copiez la commande (dans le coin inférieur droit) :

Puis ouvrez la fenêtre CMD avec "Win + R", collez la commande ci-dessus, et appuyez sur Entrée pour attendre l'installation automatique. Enfin, dans la barre d'adresse de votre navigateur, accédez à Ollama WebUI à l'adresse http://localhost:3000. Si une inscription est demandée, suivez les instructions (le système définissant par défaut le premier compte comme administrateur). Étant donné que nous avons déjà téléchargé le modèle 8b de Qwen3 lors de l'installation d'Ollama, sélectionnez simplement ce modèle dans le coin supérieur gauche de l'interface pour commencer les échanges (illustré ci-dessous) :

Ainsi, la deuxième méthode de déploiement est terminée. Vérifions la qualité de Qwen3 en lui posant un "test d'intelligence" : selon une expérience concrète, un bambou de 5,5 mètres de long et de 20 mm de diamètre peut-il passer intact par une porte rectangulaire de 4 mètres de large et 3 mètres de haut ? Regardons d'abord la réponse de Wenxin Yiyuan (sa réponse est non) :

Ensuite, la réponse de Kimi (qui dit aussi non) :

Enfin, examinons la réponse du modèle 8b de Qwen3 :

Cela surprend, n'est-ce pas ? Après avoir testé le modèle 8b, examinons le modèle avec 14b de paramètres. Je ne m'attendais pas à ce qu'une carte graphique de 8 Go puisse gérer ce niveau de paramètres, ce qui est une bonne surprise ! Cependant, la vitesse de sortie est ordinaire, environ deux fois la vitesse d'une frappe normale :

Voyons comment se porte la poésie classique.

D'après le temps de réflexion affiché ci-dessus, c'est tout à fait acceptable. C'est l'efficacité avec 8 Go de mémoire vidéo, que demander de plus ? Bien sûr, la qualité est primordiale. Dans l'ensemble, bien que les paramètres du modèle testé dans cet article ne soient pas très importants, les résultats sont néanmoins satisfaisants. Pour des raisons de concision, je n'ai pas inclus plus d'exemples. À ce rythme, il semble que la plupart des modèles de langage à boucle fermée seront écrasés par l'open source de Qwen. Qu'en pensez-vous ? Pour découvrir la version complète, vous pouvez visiter : chat.qwen.ai.