Aller au contenu
Run LLM Locally

Llama 3.2 3B Instruct sur une RTX 4090

Avec ses 24 Go de VRAM, la RTX 4090 fait tourner Llama 3.2 3B Instruct en Q4_K_M entièrement sur le GPU avec un contexte de 8K (environ 3,8 Go nécessaires). En Q8_0, il tient entièrement.

PartagerFacebookXWhatsAppLinkedInE-mail

Llama 3.2 3B Instruct

Q4_K_M · 8K contexte

Excellent

Le modèle demande environ 3,8 Go et tient dans les 23,3 Go disponibles, avec 19,5 Go de marge.

Votre matériel
RTX 4090 24 Go · 64 Go RAM
Mémoire estimée
~3,8 Go estimation
VRAM (mémoire utilisable)
23,3 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
205–327 tok/s estimation
Plus grand contexte en mémoire rapide
128K tokens
Confiance : faible

Basé sur : bande passante mémoire (1 008 Go/s) et taille du modèle

Répartition de la mémoire

~3,8 Go (3,5 Go–4,2 Go) nécessaires · estimation

Tient entièrement en VRAM · 19,5 Go libres

  • Poids du modèle1,9 Go
  • Cache KV0,9 Go
  • Surcoût runtime0,7 Go
  • Marge de sécurité0,3 Go
Hypothèses: contexte 8K tokens · cache KV f16 · llama.cpp (CUDA) · flash attention activée · poids = taille réelle du fichier

EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally, Hugging Face config.json + model card

Ce qui rend cette estimation moins fiable

  • pas encore de benchmark pour ce matériel et ce modèle

Les autres quantifications sur la RTX 4090

Llama 3.2 3B Instruct sur RTX 4090 + 64 Go de RAM · contexte 8K
Llama 3.2 3B Instruct Q8_08K~5,1 Go · 150–224 tok/s estimationExcellent
Llama 3.2 3B Instruct Q6_K8K~4,4 Go · 176–271 tok/s estimationExcellent
Llama 3.2 3B Instruct Q5_K_M8K~4,1 Go · 190–297 tok/s estimationExcellent
Llama 3.2 3B Instruct Q4_K_M8K~3,8 Go · 205–327 tok/s estimationExcellent
Llama 3.2 3B Instruct IQ4_XS8K~3,6 Go · 216–349 tok/s estimationExcellent
Llama 3.2 3B Instruct Q3_K_M8K~3,5 Go · 225–367 tok/s estimationExcellent

Alternatives

Les GPU qui font tourner Llama 3.2 3B Instruct Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la RTX 4090

Où acheter une RTX 4090

Les prix et les liens suivent le marché choisi.

GeForce RTX 4090

24 Go GDDR6X · 1 008 Go/s · 450 W

ExcellentFait tourner Llama 3.2 3B Instruct Q4_K_M 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 4090 peut-elle faire tourner Llama 3.2 3B Instruct ?
Le modèle demande environ 3,8 Go et tient dans les 23,3 Go disponibles, avec 19,5 Go de marge.
Quelle quantification choisir sur la RTX 4090 ?
Q8_0 est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~5,1 Go / 23,3 Go.
Quel est le plus grand contexte possible sur la RTX 4090 ?
En Q4_K_M, environ 128K 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 3.2 3B Instruct (RTX 4090) ?
Nous estimons 205–327 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (1 008 Go/s) et taille du modèle.