face-à-face · LLM local

DeepSeek V3.2 vs Mixtral 8x7B

Comparatif chiffré : VRAM requise par quantization, GPUs compatibles pour faire tourner chacun en local, et verdict construit depuis les specs réelles. Pas de bench truqué, juste les chiffres.

685B
params DeepSeek V3.2
47B
params Mixtral 8x7B
DeepSeek
famille A
Mistral
famille B
▲ Specs côte à côte

Les chiffres bruts.

DeepSeek · 685B · MoE 37B actifs

DeepSeek V3.2

  • Total paramètres685B
  • Paramètres actifs (MoE)37B
  • Contexte max128k tokens
  • FamilleDeepSeek
  • TypeMoE
→ Fiche DeepSeek V3.2
Mistral · 47B · MoE 13B actifs

Mixtral 8x7B

  • Total paramètres47B
  • Paramètres actifs (MoE)13B
  • Contexte max33k tokens
  • FamilleMistral
  • TypeMoE
→ Fiche Mixtral 8x7B
▲ VRAM par quantization

Combien de VRAM il te faut.

Estimation incluant l'overhead (KV cache + activations) ×1.12. Pour un MoE, on prend les paramètres totaux car le modèle complet doit être chargé en mémoire (les experts inactifs aussi).

QuantDeepSeek V3.2Mixtral 8x7BÉcart
Q327.2 GB9.6 GB17.6 GB
Q435 GB12.3 GB22.7 GB
Q542.7 GB15 GB27.7 GB
Q650.5 GB17.7 GB32.8 GB
Q862.2 GB21.8 GB40.4 GB
FP16124.3 GB43.7 GB80.6 GB
▲ GPU minimum pour chacun en Q4

Quel GPU suffit pour quoi.

▲ Verdict

Ce que les chiffres disent.

DeepSeek V3.2 est 14.6× plus gros que Mixtral 8x7B — plus de connaissances, mais 35 GB de VRAM contre 12 GB.

Choisir DeepSeek V3.2

Tu privilégies la qualité de raisonnement, tu as une grosse VRAM (48 GB+), tu acceptes un débit plus faible.

→ Fiche DeepSeek V3.2
Choisir Mixtral 8x7B

Tu manques de VRAM, tu veux du débit token/s, ou tu déploies sur edge (laptop, mini-PC).

→ Fiche Mixtral 8x7B

Tester avec ton GPU ?

Le calculateur croise ces 2 modèles avec 200+ GPUs et te donne tok/s estimés, €/Mtok et break-even cloud.