CanIRun.ai
CanIRun.ai avis : l'outil sert à vérifier, depuis le navigateur, quels modèles open-weight ton matériel peut faire tourner en local. Il détecte le GPU, le CPU, la RAM et la bande passante mémoire côté client, calcule les besoins en VRAM selon plusieurs niveaux de quantification, puis attribue une note de compatibilité de S à F avec une estimation de vitesse.
Il propose aussi des recommandations par cas d'usage, un catalogue de modèles, des commandes d'installation pour Ollama, LM Studio et llama.cpp, ainsi qu'une API publique. Tout fonctionne sans compte et sans envoi des données matérielles vers un serveur ; le site prévient que tous ses résultats restent des estimations.
Lire plus Lire moins
- Éditeur
- midudev
CanIRun.ai en bref
C’est quoi ?
CanIRun.ai analyse ton matériel dans le navigateur, puis compare le processeur graphique, le processeur central, la mémoire et la bande passante mémoire à des modèles ouverts pour afficher une compatibilité en grades de S à F. Tu obtiens aussi une estimation de vitesse, des recommandations par cas d’usage et des commandes pour lancer le modèle retenu en local avec Ollama, LM Studio ou llama.cpp. Le contrôle reste côté navigateur.
Pourquoi ?
Tu sais tout de suite quels modèles ton ordinateur peut faire tourner avant de télécharger des fichiers lourds. L’outil sert aussi à choisir un niveau de quantification compatible avec la mémoire vidéo, à estimer la vitesse d’inférence et à comparer deux machines avant un achat. Chaque résultat relie le modèle choisi à une contrainte concrète du matériel. Le tri se fait avant l’installation.
Pour qui ?
Un développeur qui veut lancer un LLM ouvert en local, un passionné qui protège ses données, ou une personne qui hésite entre changer de carte graphique et garder sa machine. CanIRun.ai vise aussi les utilisateurs d’Ollama, de LM Studio et de llama.cpp qui cherchent un modèle compatible sans tâtonner. Le lecteur obtient un repère matériel avant d’installer quoi que ce soit. Le besoin est technique, pas général.
Avantages et inconvénients
Les plus
- Détection matérielle sans envoi serveur CanIRun.ai lit le GPU, le processeur, la mémoire et un court test CPU dans le navigateur, puis calcule la compatibilité localement. Tu obtiens un verdict sans transférer tes données matérielles vers un serveur, ce qui convient à un usage centré sur la confidentialité.
- Compatibilité évaluée par modèle et par quantification Chaque modèle est confronté à plusieurs niveaux de quantification, avec une estimation de VRAM et un classement S–F. Tu peux donc choisir une combinaison qui tient dans ta machine avant de télécharger un fichier lourd.
- Recommandations par cas d’usage Les conseils sont regroupés par usage, avec des pistes distinctes pour le général, le code, le raisonnement, la vision ou les modèles légers. Cette organisation aide à repérer plus vite un modèle adapté à une tâche précise.
- Export et comparaison intégrés La plateforme propose une page de comparaison, des pages dédiées aux machines, et un export visuel de la liste S–F. Tu peux aussi partager un résultat lisible, au lieu de recopier une configuration à la main.
- Accès direct aux outils locaux Les pages de modèle donnent des commandes d’installation pour Ollama, LM Studio et llama.cpp, avec un accès au playground local en WebGPU pour certains petits modèles. C’est utile quand tu veux passer du diagnostic à l’exécution locale sans changer d’outil.
Les moins
- Pas d’usage hors navigateur CanIRun.ai ne propose pas d’application Windows, macOS, Linux, iOS ou Android. Tu passes donc par le web, ce qui exclut un usage natif hors navigateur.
- Pas d’intégration de bureau ou d’extension Aucune extension, aucun plugin et aucun SDK ne sont annoncés. Si tu voulais une couche d’intégration directe dans un environnement de travail, tu restes sur une consultation web et une API séparée.
- La sortie reste un diagnostic, pas une exécution complète L’outil calcule la compatibilité et affiche des commandes pour lancer le modèle ailleurs. Il ne remplace donc pas un environnement d’inférence local complet, et le passage à l’usage réel demande un outil tiers.
- Le catalogue impose un choix technique La liste couvre des modèles ouverts, avec plusieurs tailles et quantifications, mais elle reste pensée pour l’évaluation matérielle. Si tu cherches un assistant généraliste prêt à l’emploi, tu dois d’abord sélectionner un modèle compatible.
Prix : aucune information à ce jour
Aucune information à ce jour (vérifié le 1 octobre 2026) concernant le prix pour CanIRun.ai, elle arrivera dès que possible. Le site de l’éditeur ne publie aucun tarif ni aucune offre, et ne demande aucun compte.
relevés le 01/10/2026
Ce que fait CanIRun.ai
CanIRun.ai lit ton matériel dans le navigateur, puis le confronte à des modèles ouverts pour te dire lesquels tiennent sur la machine. Tu passes d’une compatibilité S à F, avec une estimation de vitesse et des commandes locales pour le modèle retenu. CanIRun.ai ne livre que des estimations. Le navigateur ne donne en effet qu’une information limitée sur le matériel.
Sur le catalogue, tu compares des familles très légères à des modèles bien plus lourds, du texte au code, jusqu’aux modèles d’image et de vidéo. Chaque fiche calcule la mémoire vidéo requise sur plusieurs niveaux de quantification, puis ajuste le verdict au matériel détecté.
Depuis le navigateur, l’outil reste sans installation et sans transfert des données matérielles vers un serveur. Du repérage au lancement, la logique tient localement.
Comment utiliser CanIRun.ai
Prise en main initiale
CanIRun.ai s’ouvre dans le navigateur, puis détecte le matériel côté client pour afficher un verdict en grades de S à F. Tu n’as rien à installer, et l’outil fonctionne sans compte ni extension. Un premier passage suffit. Ensuite, tu compares le résultat avec les recommandations par cas d’usage, puis tu choisis un modèle compatible avant de lancer le téléchargement local.
Navigation dans l’interface
Sur l’écran principal, tu passes d’une vue compacte à une vue détaillée ou à une liste selon ce que tu veux comparer. Les pages de modèle regroupent le détail de compatibilité, les pages devices comparent deux machines, et la page de comparaison sert à mettre plusieurs configurations face à face.
Utilisation et gestion de projets
Pour garder une trace du résultat, tu exportes le classement de compatibilité en image, ou tu passes par l’API JSON et le CLI runai pour répéter le choix sur une autre machine.
Fonctionnalités principales
CanIRun.ai détecte le matériel dans le navigateur, compare la machine à un catalogue de modèles open weight et propose le modèle le plus adapté selon l’usage. Chaque fonctionnalité ci-dessous correspond à une entrée vérifiée du produit, avec sa condition d’accès quand elle existe.
Détection matérielle sans installation
Le site détecte le GPU, les cœurs CPU, la RAM, la bande passante mémoire et lance un court test CPU directement dans le navigateur. La détection repose sur WebGL, WebGPU et les infos du navigateur, sans envoi des données matérielles à un serveur.
Recommandations par cas d’usage
CanIRun.ai classe les modèles en recommandations adaptées à l’usage visé : généraliste, code, raisonnement, vision ou léger. Le site calcule d’abord la compatibilité du matériel, puis met en avant le meilleur choix pour le profil demandé.
Catalogue de modèles open weight
L’outil donne accès à un catalogue de modèles chat, code, image et vidéo. La liste comporte plus de cent modèles et sert de base à la comparaison avec la machine détectée.
Sept niveaux de quantization par modèle
Chaque modèle est décliné en sept niveaux de quantization, de Q2_K à F16. Le site calcule la taille VRAM de chaque variante pour savoir laquelle peut tenir sur la machine.
Système de notation S à F
CanIRun.ai attribue une note de compatibilité de S à F entre le matériel détecté et chaque modèle. La note s’accompagne d’une estimation de vitesse en tokens par seconde.
Estimation de vitesse d’inférence
Le site estime la vitesse d’exécution à partir de la bande passante mémoire et de la configuration détectée. Cette estimation aide à distinguer un modèle exécutable d’un modèle simplement compatible sur le papier.
Filtres de recherche et raccourcis clavier
L’interface filtre les modèles par cas d’usage, fournisseur, architecture dense ou MoE, et par fonctions comme tool use ou thinking. La recherche accepte aussi des raccourcis clavier pour naviguer, ouvrir une fiche ou changer de vue.
Trois modes d’affichage
Le catalogue se parcourt en grille compacte, en grille détaillée ou en liste. Le changement de vue permet de comparer plus vite une grande quantité de modèles.
Export d’une tier list partageable
L’outil exporte la tier list S à F sous forme d’image partageable. La sortie sert à conserver ou diffuser un classement matériel sans recopier manuellement les résultats.
Fiches modèles avec commandes d’installation
Chaque fiche modèle fournit des commandes d’installation en un clic pour lancer localement le modèle choisi sur une machine compatible. La prise en charge couvre plusieurs environnements d’exécution.
Page de comparaison et pages appareils
CanIRun.ai inclut une page de comparaison et des pages dédiées aux appareils. Elles servent à mettre deux machines ou plusieurs modèles face à face avant un téléchargement lourd.
Espace de discussion locale dans le navigateur
Le site propose un playground pour discuter avec de petits modèles en local via WebGPU. Cette fonction reste limitée aux modèles assez légers pour tourner côté navigateur.
API JSON publique
L’outil expose une API JSON publique pour les modèles, la compatibilité et les recommandations. Les pages du site y renvoient pour les données des modèles.
Exécution CLI de runai
La commande runai choisit une quantization, télécharge le modèle et ouvre une conversation locale avec llama.cpp. Elle s’adresse à un usage en ligne de commande, pas à la navigation web.
Usages et métiers
CanIRun.ai s’adresse d’abord aux développeurs et aux amateurs d’IA qui veulent faire tourner des modèles open-weight en local. Il vise aussi les personnes soucieuses de leur vie privée, celles qui comparent une carte graphique avant un achat, et les utilisateurs d’Ollama, de LM Studio ou de llama.cpp. Chaque profil s’y sert pour choisir un modèle adapté à sa machine avant de le télécharger.
Développeurs qui testent des modèles open-weight en local
Ils vérifient si leur machine peut exécuter un modèle avant d’en lancer le téléchargement. L’outil remplace les essais à l’aveugle et le tri manuel des modèles compatibles.
Amateurs d’IA qui veulent une inference locale
Ils consultent la compatibilité matérielle et repèrent un modèle qui tient dans leur mémoire vidéo. L’outil remplace la recherche dispersée entre fiches modèles et pages d’installation.
Avec un ordinateur capable d’exécuter des modèles en local.
Utilisateurs soucieux de leur vie privée
Ils évaluent un modèle sans envoyer leurs données matérielles à un serveur. L’outil remplace les services qui imposent un passage par le cloud pour ce premier tri.
Acheteurs de carte graphique ou de machine
Ils comparent deux configurations pour savoir si une mise à niveau change vraiment ce qu’ils peuvent lancer. L’outil remplace les comparaisons approximatives fondées sur les seules spécifications commerciales.
Utilisateurs d’Ollama
Ils récupèrent des commandes d’installation adaptées au modèle retenu. L’outil remplace le bricolage entre la page d’un modèle et la documentation du lanceur.
Pour un modèle compatible avec Ollama.
Utilisateurs de LM Studio
Ils obtiennent un point de départ pour ouvrir un modèle local dans leur environnement. L’outil remplace la vérification séparée des formats et des niveaux de quantification.
Pour un modèle compatible avec LM Studio.
Utilisateurs de llama.cpp
Ils passent d’un modèle compatible à une commande d’exécution locale. L’outil remplace la lecture croisée de compatibilité matérielle et de syntaxe de lancement.
Pour un modèle compatible avec llama.cpp.
Personnes qui veulent estimer la vitesse d’inférence
Ils consultent une estimation du débit en tokens par seconde pour leur matériel. L’outil remplace l’essai empirique sur chaque modèle téléchargé.
Personnes qui cherchent une recommandation par usage
Ils filtrent les modèles par usage avant de retenir un candidat généraliste, de code, de raisonnement, de vision ou léger. L’outil remplace le parcours d’un catalogue entier.
Personnes qui veulent partager un classement de compatibilité
Ils exportent un classement S–F lisible par d’autres. L’outil remplace un compte rendu rédigé à la main après les tests matériels.
Conseils d’utilisation
Conseils pour une utilisation efficace
CanIRun.ai marche mieux quand tu compares d’abord plusieurs modèles compatibles sur le même matériel, puis que tu lis la recommandation par cas d’usage avant d’ouvrir la page détaillée. Sur une machine juste au-dessus du seuil, le choix de la quantification compte autant que le modèle lui-même. Le raccourci / aide à aller vite.
Erreurs communes à éviter
Symptôme : un modèle affiché en S devient inutilisable dès le lancement local. Cause : tu as retenu la compatibilité sans tenir compte de la quantification et du volume mémoire réel. Symptôme : la comparaison entre deux machines ne débouche sur aucun choix net. Cause : tu t’arrêtes au catalogue sans passer par la page de comparaison ni par les estimations de vitesse. Symptôme : tu lances un modèle trop lourd après le téléchargement. Cause : tu n’as pas vérifié la compatibilité avant l’import.
Modèles et droits sur les créations
CanIRun.ai associe ses modèles à un usage local, puis réserve le choix des quantifications à la capacité détectée sur ta machine. Catalogue et détecteur s’ouvrent sans compte. Aucune donnée matérielle ne part vers un serveur.
Du petit modèle de chat au modèle de code ou de vision, les quantifications vont de Q2_K à F16. Le site affiche la licence de chaque modèle, de MIT aux licences communautaires de Llama.
Côté sorties, l’outil permet de récupérer un modèle compatible via Ollama, LM Studio ou llama.cpp, et la page modèle donne aussi les commandes d’installation d’un clic. Le site ne publie pas de conditions propres sur les sorties : chaque modèle lancé en local garde la licence de son éditeur.
Accès
CanIRun.ai se consulte dans un navigateur de bureau, comme le recommande son site, sans rien installer. Son interface est en anglais, et chaque page de modèle donne les commandes pour le lancer en local.
Appareils, applications et systèmes compatibles
CanIRun.ai s’atteint dans le navigateur, sur le web, et la version en ligne fonctionne sans compte. L’accès passe aussi par une API publique. Chaque page de modèle fournit les commandes d’installation locale.
Disponible sur
Accès & intégrations
IntégrationsOui
Ollama, LM Studio, llama.cpp
API publiqueOui
L’API publique expose les modèles, la compatibilité et les recommandations.
Langues disponibles
CanIRun.ai propose l’interface en anglais. La langue de l’outil ne change pas sur les canaux d’accès publiés.
anglaisAvis et notes par Aikiwi
Note Globale de CanIRun.ai 4,5
CanIRun.ai combine une détection matérielle côté navigateur, une grille de compatibilité par quantization et un système de grades de S à F pour relier un GPU, de la RAM et un modèle précis. L’outil ajoute des recommandations par cas d’usage, des estimations de tokens par seconde et des pages de comparaison pour aller du diagnostic au choix du modèle. La présence d’une API JSON publique, de commandes d’installation et d’une sortie exportable en image donne un usage très concret.
CanIRun.ai convient à des développeurs, à des passionnés d’IA locale, à des personnes qui veulent garder leurs données sur leur machine et à des acheteurs de PC ou de GPU qui hésitent avant un achat. Le catalogue couvre des modèles de chat, de code, d’image et de vidéo.
La logique est simple à prendre en main : le site lit le matériel dans le navigateur, calcule la compatibilité, puis propose des recommandations ou le rapport complet. Pour juger l’outil, un passage sans compte suffit déjà à vérifier la détection, la comparaison de modèles et l’accès aux commandes locales.
Avis détaillé sur CanIRun.ai
Design et Ergonomie 4,0
CanIRun.ai ne publie pas d’élément descriptif sur la hiérarchie visuelle, l’accessibilité ou la cohérence de son interface. Les faits fournis décrivent surtout la détection matérielle, les vues disponibles et les pages de comparaison, pas la manière dont l’écran guide la lecture. Pour un utilisateur, cela laisse une interface à juger surtout à l’usage. Un répertoire de modèles, des filtres, la recherche et les raccourcis clavier aident la navigation, mais la qualité ergonomique reste affaire de perception directe plutôt que d’argument publié par l’éditeur.
Facilité d’Utilisation 4,6
CanIRun.ai réduit l’entrée en matière à une détection dans le navigateur, sans compte, puis affiche une compatibilité matériel-modèle avec recommandations par cas d’usage. Pour un lecteur qui veut choisir vite un modèle adapté, la courbe d’apprentissage reste faible. Les vues compactes ou détaillées, la recherche au clavier et les filtres évitent de multiplier les réglages avant d’obtenir une réponse exploitable sur son matériel.
Fonctionnalités et Outils 4,8
CanIRun.ai couvre un périmètre large et concret autour des modèles ouverts locaux. L’outil combine détection matérielle côté navigateur, calcul de VRAM par niveaux de quantization, estimations de vitesse, classement S–F, recommandations par cas d’usage, pages de modèles, API publique, CLI et export d’une liste partageable. Pour un utilisateur technique, cette densité fonctionnelle évite de passer d’un site à l’autre pour comparer, tester et lancer un modèle. Le même outil sert à l’évaluation, à la sélection et au déploiement local, ce qui en fait un poste de travail cohérent plus qu’un simple annuaire.
Performance et Fiabilité 4,0
CanIRun.ai ne publie ni page de statut, ni historique d’incidents, ni engagement de disponibilité. Les faits fournis décrivent bien une détection côté navigateur et un calcul local, mais rien sur la régularité du service ou la stabilité observée en production. Pour l’utilisateur, le fonctionnement local limite les échanges réseau pendant l’évaluation et réduit la dépendance à un traitement distant. En revanche, l’absence d’indicateurs publics sur la disponibilité oblige à se fier à l’usage réel plutôt qu’à une garantie éditoriale publiée.
Innovation et Singularité 4,7
CanIRun.ai se distingue par une approche très ciblée : mesurer le matériel depuis le navigateur, évaluer la compatibilité avec des modèles ouverts, puis relier ce résultat à des commandes locales prêtes à l’emploi. La combinaison détection client-side, score S–F et estimation de tokens/secondes donne un angle propre. Pour un utilisateur qui monte une machine ou choisit un GPU, cette singularité évite les calculs à la main et relie la sélection du modèle à la réalité du poste. L’outil parle autant au choix matériel qu’au lancement local, ce qui le sort nettement d’un simple catalogue de modèles.
Support et Ressources Disponibles 4,2
CanIRun.ai propose une documentation dédiée, une page qui détaille sa méthode de détection et de notation, et un lien vers son dépôt GitHub en pied de page. Pour un profil technique, ce socle de ressources facilite le dépannage et la compréhension du fonctionnement. La documentation sert surtout à exploiter l’API, la CLI et les commandes locales, donc elle convient davantage à un lecteur autonome qu’à quelqu’un qui attend une assistance étendue.
Rapport Qualité-Prix 4,9
CanIRun.ai n’affiche aucun prix, et s’ouvre sans inscription dans un navigateur de bureau. Pour l’utilisateur, l’évaluation ne demande donc qu’un navigateur ; le site ne dit pas pour autant que l’accès restera sans contrepartie. Détection, comparaison, recommandations et commandes locales sont accessibles d’un clic, ce qui rend le rapport entre ce qui est demandé et ce qui est offert favorable tant que l’accès ne change pas. Les résultats restent des estimations, à confronter au lancement réel du modèle.
Questions fréquentes
Comment utiliser CanIRun.ai gratuitement ?
Le site de CanIRun.ai n’affiche ni prix ni formule : il s’ouvre dans un navigateur de bureau, sans compte ni extension. Il ne se dit pas pour autant gratuit, et aucune information de prix n’est donnée à ce jour. L’outil fonctionne en anglais, sur le web.
Quel est le prix de CanIRun.ai ?
Aucune information de prix n’est publiée à ce jour par CanIRun.ai : son site ne présente ni tarif ni offre, et s’utilise sans compte, dans un navigateur de bureau. Les résultats qu’il donne restent des estimations, selon le site lui-même.
Quelles langues CanIRun.ai prend-il en charge ?
CanIRun.ai annonce une prise en charge de l’anglais. La liste affichée regroupe les éléments de l’interface et des modèles dans cette langue. Rien n’indique d’autres langues prises en charge.