Models
Quin model hauries d'escollir?
Una guia senzilla dels models que pots executar a Llamatik: quant pesen, quanta memòria necessiten i per a què serveix cadascun.
Comença aquí
Gemma 3 270M (292 MB) respon ràpid fins i tot en mòbils antics i és multilingüe.
Gemma 3 1B (806 MB) és un bon equilibri. Per a més profunditat en molts idiomes, prova Qwen 3 1.7B (1,8 GB).
SmolVLM 500M (437 MB) descriu imatges i llegeix el text que contenen. SmolVLM 256M (175 MB) és l'opció més lleugera.
Whisper Base q8_0 (82 MB) és una opció ràpida i precisa. Whisper Small q8_0 (264 MB) gestiona millor els accents i el soroll.
Xat
| Model | Baixada | Memòria orientativa | Ideal per a |
|---|---|---|---|
| Gemma 3 270M Instruct (Q8_0) | 292 MB | ~750 MB | El més ràpidMultilingüe |
| Gemma 3 1B Instruct (Q4_K_M) | 806 MB | ~1,6 GB | Equilibrat |
| Qwen 3 1.7B (Q8_0) | 1,8 GB | ~3,0 GB | El millor aquíMultilingüe |
| Qwen 2.5 1.5B Instruct (Q2_K) | 753 MB | ~1,4 GB | MultilingüeMolt comprimit |
| Llama 3.2 1B Instruct (Q2_K) | 581 MB | ~1,2 GB | MultilingüeMolt comprimit |
| Phi-1.5 (Q2_K) | 613 MB | ~1,2 GB | Molt comprimit |
Visió
| Model | Baixada | Memòria orientativa | Ideal per a |
|---|---|---|---|
| SmolVLM 256M Instruct | 175 MB | ~600 MB | El més ràpid |
| SmolVLM 500M Instruct | 437 MB | ~1,0 GB | Equilibrat |
Veu
| Model | Baixada | Memòria orientativa | Ideal per a |
|---|---|---|---|
| Whisper Tiny (q8_0) | 44 MB | ~200 MB | El més ràpidMultilingüe |
| Whisper Tiny | 78 MB | ~250 MB | Multilingüe |
| Whisper Base (q8_0) | 82 MB | ~250 MB | EquilibratMultilingüe |
| Whisper Base | 148 MB | ~350 MB | Multilingüe |
| Whisper Small (q8_0) | 264 MB | ~500 MB | El millor aquíMultilingüe |
| Whisper Medium (q8_0) | 823 MB | ~1,4 GB | El millor aquíMultilingüeDispositius de gamma alta |
Documents
| Model | Baixada | Memòria orientativa | Ideal per a |
|---|---|---|---|
| Nomic Embed Text v1.5 (Q4_0) | 77 MB | ~250 MB | Preguntes sobre documents |
Imatges
| Model | Baixada | Memòria orientativa | Ideal per a |
|---|---|---|---|
| DreamShaper 8 LCM (Q4_0) | 1,6 GB | ~3,4 GB | El més ràpid |
| Stable Diffusion v1.5 (Q4_0) | 1,8 GB | ~3,6 GB | Equilibrat |
| SD Turbo v2.1 (Q4_0) | 2,2 GB | ~4,3 GB | El més ràpid |
| DreamShaper XL v2 Turbo (Q4_K_S) | 2,8 GB | ~5,2 GB | El millor aquíDispositius de gamma alta |
Vídeo
| Model | Baixada | Memòria orientativa | Ideal per a |
|---|---|---|---|
| Wan 2.1 T2V 1.3B (Q4_0) | 866 MB | ~2,8 GB | Requereix fitxers extra |
| Wan 2.2 TI2V 5B (Q4_0) | 3,0 GB | ~6,0 GB | Dispositius de gamma altaRequereix fitxers extra |
| Wan 2.1 I2V 14B 480P (Q4_0) | 10,2 GB | ~16,8 GB | Dispositius de gamma altaRequereix fitxers extra |
Les mides de baixada són les del catàleg de l'app, que pot canviar amb el temps. La memòria és una guia aproximada de la RAM lliure que necessita un model en executar-se; l'ús real varia segons el dispositiu i els ajustos.
Què esperar
Els models que caben en un mòbil són petits. Responen ràpid i en privat, però cometen errors, saben menys del món que els models al núvol i no poden cercar al web. Fes-los servir per redactar, resumir, traduir i generar idees, i verifica les dades importants. Els models més grans responen millor però necessiten més memòria i emmagatzematge.
Porta el teu propi model
L'app també pot importar qualsevol model de xat GGUF des dels teus fitxers o baixar-lo d'un enllaç, per exemple de Hugging Face. Els models grans donen millors respostes en portàtils i ordinadors amb molta RAM.