
I Tested Every Uncensored Local AI Model (8GB to 32GB VRAM)
J'ai testé tous les modèles d'IA locaux non censurés (de 8 Go à 32 Go de VRAM)
Historique des titres
- I Tested Every Uncensored Local AI Model (8GB to 32GB VRAM) — observé le 20261115-1639 UTC (YouTube)
Mots-clés
Résumé
226 mots
Évaluation critique
Valeur des informations & solidité de l’argumentation
La vidéo apporte une valeur pratique indéniable : elle identifie un problème majeur (les refus résolus mais les réponses tronquées) et propose des solutions concrètes, notamment le réglage de OLLAMA_CONTEXT_LENGTH. L’argumentation s’appuie sur des données tangibles issues d’un test indépendant avec une méthodologie claire, et le créateur distingue soigneusement les métriques de refus de celles de finition et de véracité. La démonstration est étayée par des exemples chiffrés (taux de boucle, scores de véracité) et des comparaisons entre modèles. Toutefois, certaines affirmations reposent sur des observations ponctuelles et le creator reconnaît que son expérience personnelle a pu influencer le tri. La solidité de l’argumentation est globalement bonne, bien que la dépendance à une seule source indépendante limite la généralisation.
Rigueur scientifique, qualité des sources, adéquation du titre
La rigueur scientifique est satisfaisante : le créateur cite explicitement l’étude de Nathan Sapwell, ses conditions (RTX 5090, benchmark HarmBench, 400 requêtes) et les limites de l’exercice. Il mentionne également des sources primaires comme Hugging Face et Ollama, et distingue clairement les faits mesurés de ses interprétations. La qualité des sources est correcte, mais l’absence de liens directs dans la description limite la vérification autonome. L’adéquation titre-contenu est parfaite : le titre reflète l’objectif de tester tout type de modèle non censuré selon les capacités de VRAM, avec des recommandations à la clé.
227 mots
Adéquation titre / contenu
Le titre correspond bien au contenu : la vidéo teste de nombreux modèles non censurés locaux en les classant par VRAM (8 à 32 Go) et fournit des recommandations finales.
Qualité & fiabilité
8/10
La vidéo repose sur une étude indépendante détaillée (Nathan Sapwell) avec une méthodologie explicite (benchmark HarmBench, 400 requêtes, 167 heures de GPU) ainsi que sur l'expérience personnelle du créateur. Elle met en évidence des métriques souvent ignorées (taux de finition, véracité) et fournit des conseils pratiques répliquables. Toutefois, les recommandations s'appuient sur un seul test et quelques cas anecdotiques, laissant une marge d'incertitude.
Chapitres
- Refused a PAC-MAN clone
- The "0 refusals" Hugging Face cards
- Thinking for 4 minutes, then a blank answer
- Heretic and abliteration explained
- The independent test: 8 builds, one RTX 5090
- Refusals are basically dead
- 38% of answers never arrive
- How thinking models run out of budget
- The token budget is VRAM
- Ollama's 4,096-token default
- Truthfulness goes first
- Most downloaded is not best
- The chat template jailbreak
- Fake model names
- 8GB VRAM pick
- 12GB VRAM pick
- 16GB VRAM pick
- 24GB VRAM pick
- 32GB VRAM pick
Sources citées
- Hugging Face — Plateforme d'hébergement des modèles et des cartes mentionnées
- Ollama — Outil d'exécution local des modèles ; paramètre OLLAMA_CONTEXT_LENGTH discuté
- Llama.cpp — Bibliothèque d'inférence alternative mentionnée
- Test indépendant de Nathan Sapwell — Rapport de référence pour les taux de refus, de finition et de véracité sur 8 builds Qwen 3.8 27B
Apport & nouveautés
L’apport original de cette vidéo est de déplacer l’attention des métriques de refus (déjà résolues) vers le taux de finition des réponses et la véracité, tout en fournissant un guide pratique de configuration (longueur de contexte) et des recommandations par tranche de VRAM. Elle met en lumière l’impact des templates de chat modifiés et met en garde contre la popularité trompeuse des modèles. Elle propose aussi une piste de réflexion sur les builds partiellement désalignés qui conservent de meilleures performances.
Pour aller plus loin :
- Documentation Ollama — Pour configurer OLLAMA_CONTEXT_LENGTH et comprendre les paramètres de contexte.
- Hugging Face — Accès aux cartes des modèles et aux fichiers de pondération.
- Quantification des modèles — Impact du quantum sur la qualité et l’empreinte mémoire.
- Abliteration (technique de suppression des refus) — Concept clé expliqué dans la vidéo, sans URL stable connue.
- KV cache et gestion du contexte — Souvent documenté dans les blogs techniques d’Ollama ou de llama.cpp.
157 mots
Profil radar
Le profil radar montre une forte quantité d'informations et un bon niveau technique, mais une fiabilité modérée en raison de la dépendance à un unique test indépendant et d'éléments subjectifs. La qualité et le niveau technique sont équilibrés, tandis que la fiabilité reste le point plus faible.