GeForce RTX 4060
NVIDIA
CompatibleFait tourner Llama 2 7B Q4_0 entièrement en mémoire
Modèle · Meta
Llama 2 7B : VRAM et matériel nécessaires
En Q4_0 avec un contexte de 8K, Llama 2 7B demande environ 8,6 Go : un GPU de 8 Go ou plus le fait tourner entièrement en VRAM.
- Paramètres6,74B
- Contexte max4K
- LicenceLlama 2 Community License
Caractéristiques
- Organisation
- Meta
- Architecture
- llama
- Sortie
- juillet 2023
- Couches
- 32
- Dimension cachée
- 4096
- Têtes d'attention
- 32
- Têtes KV
- 32
- Dimension par tête
- 128
- Vocabulaire
- 32 000
- Cache KV pour 1K tokens (f16)
- 0,5 Go
Spécification officielleDonnées mises à jour il y a 24 joursSource: GGUF header of TheBloke/Llama-2-7B-GGUF (llama-2-7b.Q4_0.gguf) + Hugging Face API (parameter count)
Quantifications et mémoire
| Quantification | Taille du fichier | Mémoire nécessaire | Mémoire GPU minimale | Qualité |
|---|---|---|---|---|
| F16 | Non disponible | ~18 Go | 20 Go | Référence (non quantifié) |
| Q8_0 | Non disponible | ~11,8 Go | 11 Go | Quasi sans perte |
| Q4_0La plus utilisée | Non disponible | ~8,6 Go | 8 Go | Bonne — le choix courant |
Tailles de fichier : non disponibles tant qu'elles ne sont pas importées du dépôt du modèle. Mémoire = poids (estimés d'après les bits par poids) + cache KV + surcoût runtime + marge de sécurité. (F16 ≈ 16 bpw, Q8_0 ≈ 8,5 bpw, Q4_0 ≈ 4,64 bpw)
Q4, Q5 ou Q8 : comment choisir sa quantification
Les GPU qui font tourner Llama 2 7B
| RTX 509032 Go · 64 Go RAM~6,5 Go · 191–249 tok/s estimation | Excellent |
|---|---|
| RTX 409024 Go · 64 Go RAM~6,5 Go · 135–150 tok/s estimation | Excellent |
| RTX 309024 Go · 64 Go RAM~6,5 Go · 109–135 tok/s estimation | Excellent |
| RX 7900 XTX24 Go · 64 Go RAM~6,6 Go · 90–133 tok/s estimation | Excellent |
| RTX 5060 Ti 16 GB16 Go · 64 Go RAM~6,5 Go · 59–72 tok/s estimation | Excellent |
| RTX 5070 Ti16 Go · 64 Go RAM~6,5 Go · 108–141 tok/s estimation | Excellent |
| RTX 508016 Go · 64 Go RAM~6,5 Go · 139–154 tok/s estimation | Excellent |
| RTX 4060 Ti 16 GB16 Go · 64 Go RAM~6,5 Go · 20–68 tok/s estimation | Excellent |
| RTX 4070 Ti SUPER16 Go · 64 Go RAM~6,5 Go · 95–116 tok/s estimation | Excellent |
| RX 9070 XT16 Go · 64 Go RAM~6,6 Go · 67–110 tok/s estimation | Excellent |
| RTX 3060 12 GB12 Go · 64 Go RAM~6,5 Go · 56–62 tok/s estimation | Excellent |
| RTX 407012 Go · 64 Go RAM~6,5 Go · 35–120 tok/s estimation | Excellent |
| RTX 507012 Go · 64 Go RAM~6,5 Go · 47–160 tok/s estimation | Excellent |
| RTX 40608 Go · 64 Go RAM~6,5 Go · 19–65 tok/s estimation | Compatible |
Les Mac qui font tourner Llama 2 7B
| M3 Ultra (80-core GPU) · 512 GoMac Studio~6,3 Go · 81–152 tok/s estimation | Excellent |
|---|---|
| M4 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~6,3 Go · 59–101 tok/s estimation | Excellent |
| M3 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~6,3 Go · 46–74 tok/s estimation | Excellent |
| M4 Pro (20-core GPU) · 64 GoMac mini, MacBook Pro 14~6,3 Go · 33–51 tok/s estimation | Excellent |
| M4 Max (32-core GPU) · 36 GoMacBook Pro 14, MacBook Pro 16~6,3 Go · 60–78 tok/s estimation | Excellent |
| M4 · 32 GoMacBook Air, MacBook Pro 14~6,3 Go · 15–22 tok/s estimation | Excellent |
| M5 · 32 GoMacBook Pro 14~6,3 Go · 20–29 tok/s estimation | Excellent |
| M3 · 24 GoMacBook Air, MacBook Pro 14~6,3 Go · 13–19 tok/s estimation | Excellent |
EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally
Les limites en clair
Le cache KV grandit avec le contexte : à 4K, il ajoute environ 2 Go aux poids.
Avec moins de 8 Go de VRAM, choisissez une quantification plus petite ou un modèle plus petit de la même famille.
Où acheter
Les prix et les liens suivent le marché choisi.
Radeon RX 7600 XT
AMD
ExcellentFait tourner Llama 2 7B Q4_0 entièrement en mémoire
AMD Ryzen AI Max+ 395
PC à mémoire unifiée
ExcellentFait tourner Llama 2 7B Q4_0 entièrement en mémoire
GeForce RTX 5090
Vitesse estimée la plus élevée
ExcellentFait tourner Llama 2 7B Q4_0 entièrement en mémoire
Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.
Questions fréquentes
Combien de VRAM faut-il pour Llama 2 7B ?
Environ 8,6 Go en Q4_0 avec un contexte de 8K, cache KV et surcoût compris. En Q8_0, il faut environ 11,8 Go. Un contexte plus long ajoute davantage : environ 2 Go de cache KV à 32K.
Llama 2 7B tourne-t-il sur Mac ?
Oui, sur un Mac dont le GPU peut utiliser au moins 6,3 Go, par exemple M3 24 Go. Par défaut, macOS laisse le GPU utiliser environ deux tiers à trois quarts de la mémoire unifiée.
À quelle vitesse tourne Llama 2 7B ?
Sur une RTX 4090, nous estimons 135–150 tok/s en Q4_0. C'est une estimation fondée sur la bande passante mémoire (confiance moyenne) tant que des benchmarks ne sont pas importés.