Avec ses 24 Go de VRAM, la Tesla P40 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.
Q4_K_M · 8K contexte
Le modèle demande environ 3,8 Go et tient dans les 23,3 Go disponibles, avec 19,5 Go de marge.
~3,8 Go (3,5 Go–4,2 Go) nécessaires · estimation
Tient entièrement en VRAM · 19,5 Go libres
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
| Llama 3.2 3B Instruct Q8_08K~5,1 Go · 62–84 tok/s estimation | Excellent |
|---|---|
| Llama 3.2 3B Instruct Q6_K8K~4,4 Go · 75–103 tok/s estimation | Excellent |
| Llama 3.2 3B Instruct Q5_K_M8K~4,1 Go · 83–115 tok/s estimation | Excellent |
| Llama 3.2 3B Instruct Q4_K_M8K~3,8 Go · 91–128 tok/s estimation | Excellent |
| Llama 3.2 3B Instruct IQ4_XS8K~3,6 Go · 97–137 tok/s estimation | Excellent |
| Llama 3.2 3B Instruct Q3_K_M8K~3,5 Go · 103–146 tok/s estimation | Excellent |
Les prix et les liens suivent le marché choisi.
NVIDIA
ExcellentFait tourner Llama 3.2 3B Instruct Q4_K_M entièrement en mémoire
AMD
ExcellentFait tourner Llama 3.2 3B Instruct Q4_K_M entièrement en mémoire
PC à mémoire unifiée
ExcellentFait tourner Llama 3.2 3B Instruct Q4_K_M entièrement en mémoire
Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.
