Aller au contenu
Run LLM Locally

Llama 3.2 3B Instruct sur une RTX 5060

Avec ses 8 Go de VRAM, la RTX 5060 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 7,7 Go disponibles, avec 3,9 Go de marge.

Votre matériel
RTX 5060 8 Go · 64 Go RAM
Mémoire estimée
~3,8 Go estimation
VRAM (mémoire utilisable)
7,7 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
113–162 tok/s estimation
Plus grand contexte en mémoire rapide
42K tokens
Confiance : faible

Basé sur : bande passante mémoire (448 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 · 3,9 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 5060

Llama 3.2 3B Instruct sur RTX 5060 + 64 Go de RAM · contexte 8K
Llama 3.2 3B Instruct Q8_08K~5,1 Go · 77–107 tok/s estimationExcellent
Llama 3.2 3B Instruct Q6_K8K~4,4 Go · 94–132 tok/s estimationExcellent
Llama 3.2 3B Instruct Q5_K_M8K~4,1 Go · 103–146 tok/s estimationExcellent
Llama 3.2 3B Instruct Q4_K_M8K~3,8 Go · 113–162 tok/s estimationExcellent
Llama 3.2 3B Instruct IQ4_XS8K~3,6 Go · 120–174 tok/s estimationExcellent
Llama 3.2 3B Instruct Q3_K_M8K~3,5 Go · 126–184 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 5060

Où acheter une RTX 5060

Les prix et les liens suivent le marché choisi.

GeForce RTX 5060

8 Go GDDR7 · 448 Go/s · 145 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 5060 peut-elle faire tourner Llama 3.2 3B Instruct ?
Le modèle demande environ 3,8 Go et tient dans les 7,7 Go disponibles, avec 3,9 Go de marge.
Quelle quantification choisir sur la RTX 5060 ?
Q8_0 est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~5,1 Go / 7,7 Go.
Quel est le plus grand contexte possible sur la RTX 5060 ?
En Q4_K_M, environ 42K 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 5060) ?
Nous estimons 113–162 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (448 Go/s) et taille du modèle.