https://api.tokios.com par tout client compatible OpenAI ou Anthropic, sans besoin de ports entrants ni de VPN.
Comment procéder en trois étapes
1
Déterminez la tâche à accomplir
Agent de programmation, chat général, raisonnement, traitement d’images ou exécution sur CPU/appareils embarqués ? La nature de la tâche permet d’affiner rapidement le choix de la famille de modèles. Consultez Quel modèle local convient à quelle tâche ? pour une analyse détaillée par type de tâche incluant les critères propres aux agents.
2
Vérifiez la compatibilité avec votre matériel
Un modèle ne sera utile que s’il tient dans votre VRAM ou votre mémoire unifiée pour la longueur de contexte requise. Consultez Quelle taille de modèle convient à votre GPU ? pour les calculs de dimensionnement, ainsi que Quantification afin d’ajuster la taille et la qualité du modèle.
3
Examinez la licence
Les licences varient grandement : Apache-2.0 et MIT sont très permissives ; d’autres (Llama Community, Gemma, NVIDIA Open Model License) imposent des conditions spécifiques. Consultez Comment lire une fiche technique de modèle pour savoir quels éléments vérifier avant d’utiliser un modèle.
Les familles de modèles et leur état actuel
Chaque famille dispose d’une page dédiée présentant les étiquettes, les tailles, les tableaux de compatibilité matérielle ainsi que les instructions de configuration. Les versions des modèles évoluent rapidement ; ce tableau sert de point de départ, il convient de consulter chaque page pour connaître la version en cours.Le terme « actuel » désigne la dernière version à poids ouverts que l’on peut télécharger et exécuter soi-même. Certaines versions actuelles exigent toutefois un matériel multi-GPU, notamment
DeepSeek-V4-Flash-0731, GLM-5.2 ainsi que les modèles MoE de grande envergure Kimi et MiniMax. Chaque page de famille de modèles précise ce qui est disponible à téléchargement, ce qui nécessite un serveur, et ce qui reste en attente.Choisissez selon votre besoin
Chat général et agents
Qwen3.6, Llama, Gemma ainsi que gpt-oss figurent parmi les modèles polyvalents les plus performants. Qwen3.8-27B constitue la toute dernière version de Qwen (disponible uniquement via vLLM et SGLang pour l’instant) ; Qwen3.6 représente la solution la plus simple et éprouvée, tandis que Muse Glimmer est le choix idéal pour les agents, pouvant s’exécuter en permanence sur une carte mémoire de 24 Go.
Programmation
Qwen3-Coder, Devstral de Mistral et GLM sont conçus pour la programmation à grande échelle et l’utilisation d’agents.
Raisonnement et agents
Commencez par DeepSeek-V4-Flash-0731 pour la version actuelle destinée au raisonnement, à la programmation et à l’appel d’outils de DeepSeek. Recourrez à R1 distills si vous disposez de matériel moins puissant.
Vision et multimédia
Qwen3-VL et Gemma 4 sont capables de lire du texte, des images ainsi que des vidéos — commencez par Qwen3-VL.
Modèles petits, pour périphériques ou processeurs CPU
Les modèles E2B de Gemma, Phi-4-mini, Granite ainsi que Ministral de Mistral peuvent être exécutés sur des ordinateurs portables et des boîtiers embarqués.
Formats et matériel
Le format de poids — GGUF, MLX, NVFP4 ou AWQ — qui convient à votre GPU ou à votre Mac.
Une fois votre choix effectué
Tokios ne sélectionne pas le modèle à votre place ; il fournit simplement un point de terminaison stable et authentifié pour tout modèle que vous exécutez, utilisable depuis n’importe où.Démarrage rapide
Associez un connecteur, enregistrez un déploiement et créez votre première clé API dans un processus complet.
Choisissez un modèle et un backend
Associez un modèle à votre flux de travail, à votre backend ainsi qu’à la désignation de votre déploiement.