为什么 QuelLLM.fr
因为在 2026 年，大多数人仍然认为“使用 AI”就意味着“把自己的数据发送给 OpenAI”。本网站旨在展示另一条路径，并用法语帮助大家轻松掌握这条路径。
现状
如今，80% 的人无需购买服务器即可在本地运行 LLM。一张售价 350 欧元的 RTX 3060 可以让 Mistral 7B 以每秒 40 个 token 的速度运行。一台 MacBook M2 可以运行量化后的 Llama 3.1 70B。
但介于 possible et accessible, 存在明显差距。文档分散，常以英文呈现，且经常一个月内过时。我们正致力于弥合这一差距
承诺
一个回答简单问题的网站： 在我的设备上是否能运行，以及如何运行。不是模型图库，也不是叠加在 Ollama 之上的一层。
一个懂您硬件的配置器。切实可用的指南。如实说明哪些模型能装进显存、哪些装不下的目录。我们真正实测过的基准测试。
Nos 不可妥协的原则
即使这些限制会增加项目盈利难度，我们也不会跨越这些红线
谁是幕后负责人？
我叫 Mohamed Meguedmi，我是一名创业者。在我创办的每家公司里，AI 都已成为日常工具——用于编程、写作、分析和支持工作。但把提示词发送给 OpenAI 或 Anthropic 很快就让我遇到了问题：客户数据敏感、成本随使用量增加而攀升，以及依赖一家可能一夜之间改变规则的供应商。
因此，我转向了本地运行——根据机器和使用场景，选择 Ollama、llama.cpp 或 LM Studio。QuelLLM.fr 原本是我为自己做的测试笔记：哪个模型能装进哪张显卡的显存、该保留哪种量化版本、究竟用哪条命令才能避开问题。我将它公开，是因为找不到类似的法语资源。没有公司，也没有团队——只有这个网站，随着我的测试不断更新。 在 LinkedIn 上找到我.
这个项目一直在更新。一次测试、一篇指南、一处修正——每当本地 AI 有新进展，这里都会有所呈现。
想帮忙、推荐模型或报告错误吗？