Aller au contenu
Run LLM Locally

Llama 2 7B sur une RTX 3060 12 GB

Avec ses 12 Go de VRAM, la RTX 3060 12 GB fait tourner Llama 2 7B en Q4_0 entièrement sur le GPU avec un contexte de 8K (environ 6,5 Go nécessaires). En Q8_0, il tient entièrement.

PartagerFacebookXWhatsAppLinkedInE-mail

Llama 2 7B

Q4_0 · 4K contexte

Excellent

Le contexte demandé (8 192 tokens) dépasse celui du modèle ; 4 096 tokens ont été utilisés.

Le modèle demande environ 6,5 Go et tient dans les 11,6 Go disponibles, avec 5,1 Go de marge.

Votre matériel
RTX 3060 12 GB · 64 Go RAM
Mémoire estimée
~6,5 Go estimation
VRAM (mémoire utilisable)
11,6 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
56–62 tok/s estimation
Plus grand contexte en mémoire rapide
4K tokens
Confiance : moyenne

Basé sur : même matériel · même modèle · même quantification · 2 benchmark(s) · ajusté à la longueur de contexte

Répartition de la mémoire

~6,5 Go (6,1 Go–7,1 Go) nécessaires · estimation

Tient entièrement en VRAM · 5,1 Go libres

  • Poids du modèle3,6 Go
  • Cache KV2 Go
  • Surcoût runtime0,6 Go
  • Marge de sécurité0,3 Go
Hypothèses: contexte 4K tokens · cache KV f16 · llama.cpp (CUDA) · flash attention activée · poids estimés à 4,64 bits par poids × 6,74 Md de paramètres (taille réelle du fichier pas encore importée)

EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally, GGUF header of TheBloke/Llama-2-7B-GGUF (llama-2-7b.Q4_0.gguf) + Hugging Face API (parameter count)

Les autres quantifications sur la RTX 3060 12 GB

Llama 2 7B sur RTX 3060 12 GB + 64 Go de RAM · contexte 8K
Llama 2 7B Q8_04K~9,7 Go · 29–39 tok/s estimationExcellent

Alternatives

Les GPU qui font tourner Llama 2 7B Q4_0 entièrement en VRAM

D'autres modèles adaptés à la RTX 3060 12 GB

Où acheter une RTX 3060 12 GB

Les prix et les liens suivent le marché choisi.

GeForce RTX 3060 12 GB

12 Go GDDR6 · 360 Go/s · 170 W

ExcellentFait tourner Llama 2 7B Q4_0 entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.

Questions fréquentes

La RTX 3060 12 GB peut-elle faire tourner Llama 2 7B ?
Le contexte demandé (8 192 tokens) dépasse celui du modèle ; 4 096 tokens ont été utilisés. Le modèle demande environ 6,5 Go et tient dans les 11,6 Go disponibles, avec 5,1 Go de marge.
Quelle quantification choisir sur la RTX 3060 12 GB ?
Q8_0 est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~9,7 Go / 11,6 Go.
Quel est le plus grand contexte possible sur la RTX 3060 12 GB ?
En Q4_0, environ 4K tokens tiennent entièrement en VRAM avec un cache KV en f16. Un cache KV en q8_0 double à peu près ce chiffre.
À quelle vitesse tourne Llama 2 7B (RTX 3060 12 GB) ?
Nous estimons 56–62 tok/s (estimation, confiance moyenne). Basé sur : même matériel, même modèle, même quantification, 2 benchmark(s), ajusté à la longueur de contexte.