Mistral 7B sur un Mac 16 Go avec Ollama
# Mistral 7B sur un Mac 16 Go avec Ollama code: 1nqrf0w | type: inference | language: fr | licence: MIT | version: v1 description: Modelfile Ollama pour faire tourner Mistral 7B Instruct en local sur un Mac 16 Go : quantification Q4, contexte 8k, réponses en français. page: https://contextetech.com/inference/mistral-7b-ollama-mac-16go-1nqrf0w mcp: connect https://contextetech.com/mcp then call load_resource with code "1nqrf0w" (or ask "load 1nqrf0w") json: https://contextetech.com/api/resources/contextetech--mistral-7b-ollama-mac-16go python: pip install contexte && contexte get 1nqrf0w citation (required by the licence): contextetech. (2026). Mistral 7B sur un Mac 16 Go avec Ollama (Version 1) [Config d'inférence]. Contexte Tech. https://contextetech.com/inference/mistral-7b-ollama-mac-16go-1nqrf0w
Modelfile Ollama pour faire tourner Mistral 7B Instruct en local sur un Mac 16 Go : quantification Q4, contexte 8k, réponses en français.
| Modèle | mistral:7b-instruct-q4_K_M |
|---|---|
| Matériel testé | Mac Apple Silicon, 16 Go de mémoire |
Modelfile
FROM mistral:7b-instruct-q4_K_M PARAMETER num_ctx 8192 PARAMETER temperature 0.3 SYSTEM """Tu es un assistant qui répond en français, de façon claire et concise. Si tu ne sais pas, dis-le."""
Commande de lancement
ollama create mistral-fr -f Modelfile && ollama run mistral-fr
- Identifiant
- contextetech--mistral-7b-ollama-mac-16go
- Fichier
- Modelfile
- Format
- MODELFILE
- Taille
- 195 octets
- Encodage
- UTF-8
- Tokens estimés
- ≈ 53
- Usage commercial
- Autorisé
- Données personnelles
- Aucune
- Version
- 1.0
- Publié le
- 1 octobre 2026 à 18:46
- Mis à jour le
- 16 octobre 2026 à 23:19
- Stockage
- en base
Statistiques
J'aime : 0 · Commentaires : 0
Cliquez sur un compteur pour l’afficher ou le masquer, survolez le graphique pour le détail. Une vue par visiteur et par jour, robots exclus ; décompte commencé le 30 septembre 2026.
Coût estimé
- Tokens d'entrée par appel
- ≈ 186
| Modèle | Par appel | Par mois |
|---|---|---|
| GPT-6 Luna · OpenAImeilleur prix | 0,00002 € | 0,02 € |
| DeepSeek Flash · DeepSeek | 0,00005 € | 0,05 € |
| Mistral Large · Mistral AI | 0,00008 € | 0,08 € |
| DeepSeek V4 Pro · DeepSeek | 0,00022 € | 0,22 € |
| GPT-6 Sol · OpenAI | 0,00033 € | 0,33 € |
| Claude Sonnet 5.5 · Anthropic | 0,00033 € | 0,33 € |
| Claude Opus 5.5 · Anthropic | 0,00066 € | 0,66 € |
| Modèle open source hébergé chez soi (Ollama, vLLM) | 0 € d'API (coût du serveur seulement) | |
Coût d'entrée seulement, sans la réponse du modèle. Prix publics des fournisseurs (Mistral AI, DeepSeek, OpenAI, Anthropic), tarif standard en dollars converti en euros au taux BCE du 13 octobre 2026. Estimation : 1 token ≈ 3,6 caractères.
Commun aux 3 régions
Contenu créé par l'auteur, sans source extérieure.
Usage commercial autorisé · citer l'auteur · modifications permises.
Texte ou données seuls : aucun accès aux fichiers, au réseau ni aux commandes.
Hébergé en France (Scaleway, Paris). Aucun transfert hors UE.
Union européenne · 5/5
Aucune donnée personnelle.
Pas de données d'entraînement : pas de résumé à fournir.
États-Unis · 5/5
Aucune donnée personnelle.
Pas de données d'entraînement : pas de documentation à publier.
Chine · 5/5
Aucune donnée personnelle.
Pas de données d'entraînement ; les contenus générés par IA diffusés en Chine doivent être marqués (2025).
Synthèse indicative au 30/09/2026, sans valeur de certification juridique. Méthode et sources →
Qualité du contenu
Performances non mesurées : ni vitesse mesurée ni test réussi
Le détail des critères est réservé aux membres.
Chaque critère, les points retirés et un conseil pour corriger.
Analyse du contenu
Le détail des critères est réservé aux membres.
Chaque critère, les points retirés et un conseil pour corriger.
Calculé à partir du contenu de la fiche, par règles, sans IA. La note est dans l'onglet Qualité.
MCP contexte
https://contextetech.com/mcp
charge 1nqrf0w
Ajoutez l'adresse comme connecteur dans les pages des applications d'IA, puis envoyez la demande ci-dessus.
API
import json, urllib.request url = "https://contextetech.com/api/resources/contextetech--mistral-7b-ollama-mac-16go" fiche = json.load(urllib.request.urlopen(url)) print(fiche["title"] or fiche["name"])
Modelfile
FROM mistral:7b-instruct-q4_K_M PARAMETER num_ctx 8192 PARAMETER temperature 0.3 SYSTEM """Tu es un assistant qui répond en français, de façon claire et concise. Si tu ne sais pas, dis-le."""
Commande de lancement
ollama create mistral-fr -f Modelfile && ollama run mistral-fr
Créer le modèle (Ollama)
# enregistrez le Modelfile, puis : ollama create mistral-7b-ollama-mac-16go -f Modelfile ollama run mistral-7b-ollama-mac-16go
Communauté
Pas encore de commentaire. Partagez votre retour, il aidera les suivants.