Puis-je exécuter Dolphin Mistral 24B Venice Edition localement ?

Oui, les poids sont ouverts et disponibles sur Hugging Face. Le fabricant cite Ollama, LM Studio, vLLM, sglang, tgi et la bibliothèque Transformers de Hugging Face comme moyens supportés pour l'exécuter.

Quel est le coût et quelle est la taille du contexte ?

Via Venice, le prix est de 0,20 $ par million de tokens d'entrée et 0,90 $ par million de tokens de sortie, avec une fenêtre de contexte de 128 000 tokens.

En quoi ce modèle diffère-t-il d'un modèle Mistral-Small instruct standard ?

Le modèle de base est le même Mistral-Small-24B-Instruct-2501, mais ce fine-tuning supprime les couches d'alignement et de sécurité par défaut, donc le modèle suit votre prompt système sans imposer ses propres garde-fous éthiques.

Uncensored

4699°

#llm #cognitivecomputations #chat #jeu de rôle #local #contexte long

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Venice | contexte de 128 000 tokens | 0,20 $/M en entrée, 0,90 $/M en sortie. Venice Uncensored Dolphin Mistral 24B Venice Edition est une variante fine-tunée de Mistral-Small-24B-Instruct-2501, développée par dphn.ai en collaboration avec Venice.ai. Ce modèle est conçu comme un LLM instruct-tuned « non censuré », préservant le contrôle utilisateur sur l’alignement, les prompts système et le comportement. Destiné à des cas d’usage avancés et sans restrictions, Venice Uncensored met l’accent sur la pilotabilité et la transparence du comportement, supprimant les couches de sécurité et d’alignement par défaut généralement présentes dans les modèles assistants grand public.

Guides pour ce modèle

Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Dolphin Mistral 24B Venice Edition est un fine-tuning de Mistral-Small-24B-Instruct-2501, développé par dphn.ai avec Venice.ai spécifiquement pour supprimer les garde-fous d'alignement par défaut. Le prompt système est à écrire par vous : vous décidez du ton, des règles et du comportement, pas le fabricant du modèle. Il convient aux développeurs et entreprises qui ont besoin d'un contrôle total sur le comportement de leur assistant IA, sans qu'un tiers ne le modifie ou l'outrepasse silencieusement.

Connu pour

Contrôle total du prompt système : c'est vous qui fixez l'alignement, pas le fabricant.
Poids ouverts, exécutable localement via Ollama, LM Studio, vLLM ou Transformers.
Fenêtre de contexte de 128 000 tokens sur un modèle de base 24B de taille moyenne.
Conçu pour des cas d'usage business où la stabilité du modèle et la confidentialité des données comptent.
Modèle par défaut pour le niveau uncensored de Venice.ai.

Attention à

Pas de couche de sécurité intégrée : vous êtes responsable de définir des directives appropriées via le prompt système.
Le fabricant recommande une température basse (environ 0,15) ; des valeurs plus élevées peuvent produire des sorties erratiques.
Les termes de licence ne sont pas détaillés dans la fiche modèle publiée — vérifiez le dépôt Hugging Face avant déploiement commercial.

Idéal pour

Chat et assistants

Jeux de rôle et histoires

Fonctionne localement

Contexte long

Prompts à essayer

Créer une persona d'assistant personnalisée

Vous êtes un assistant juridique direct et sans détour. Vous ne minimisez pas les mauvaises nouvelles ni ne vous dérobez inutilement. Un petit entrepreneur demande : mon propriétaire est entré dans mon local commercial loué sans préavis trois fois le mois dernier. Quelles sont mes options juridiques probables, et quelles preuves devrais-je collecter dès maintenant ?

Revue de texte produit sans restriction

Passez en revue la description produit suivante pour une marque de sachets de nicotine ciblant des fumeurs adultes souhaitant arrêter. Signalez tout ce qui semble évasif ou trop prudent, réécrivez ces sections pour être direct et honnête sur ce que le produit fait et ne fait pas, et expliquez chaque modification effectuée.

Jeu de rôle : négociation difficile

Jouez le rôle d'un responsable des achats coriace dans une grande enseigne. Je suis un fournisseur qui tente de renégocier les conditions de paiement de net-60 à net-30. Résistez de manière réaliste, utilisez de véritables objections qu'un responsable achats soulèverait, et ne cédez pas facilement. Commencez la scène.

Comparer avec

GPT-6 Luna
Modèle uniquement API
Contexte de 1,050,000 tokens · entrée $0.10/M, sortie $0.50/M
Auto Router (Beta)
Modèle uniquement API
Contexte de 2,000,000 tokens · entrée $-1,000,000.00/M, sortie $-1,000,000.00/M
Aion 3.5
Modèle uniquement API
Contexte de 262,144 tokens · entrée $3.00/M, sortie $6.00/M
Llama 3.1 70B Instruct
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.40/M, sortie $0.40/M

Plus de modèles de texte de cognitivecomputations

Questions fréquentes

Puis-je exécuter Dolphin Mistral 24B Venice Edition localement ?: Oui, les poids sont ouverts et disponibles sur Hugging Face. Le fabricant cite Ollama, LM Studio, vLLM, sglang, tgi et la bibliothèque Transformers de Hugging Face comme moyens supportés pour l'exécuter.
Quel est le coût et quelle est la taille du contexte ?: Via Venice, le prix est de 0,20 $ par million de tokens d'entrée et 0,90 $ par million de tokens de sortie, avec une fenêtre de contexte de 128 000 tokens.
En quoi ce modèle diffère-t-il d'un modèle Mistral-Small instruct standard ?: Le modèle de base est le même Mistral-Small-24B-Instruct-2501, mais ce fine-tuning supprime les couches d'alignement et de sécurité par défaut, donc le modèle suit votre prompt système sans imposer ses propres garde-fous éthiques.

Verdict du capitaine
Si vous avez besoin d'un modèle ouvert de taille moyenne qui fait exactement ce que votre prompt système dit et rien d'autre, c'est le choix pragmatique.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

MiMo V2.6 Pro UltraSpeed

Modèles d'IA pour générer image, vidéo et texte

Uncensored est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm cognitivecomputations chat jeu de rôle local contexte long

Parcourir par famille de modèles