GeForce RTX 4060
NVIDIA
ExcellentFait tourner Llama 3.2 1B Instruct Q4_K_M entièrement en mémoire
Modèle · Meta
Llama 3.2 1B Instruct : VRAM et matériel nécessaires
En Q4_K_M avec un contexte de 8K, Llama 3.2 1B Instruct demande environ 2 Go : un GPU de 8 Go ou plus le fait tourner entièrement en VRAM.
- Paramètres1,24B
- Contexte max128K
- LicenceLlama 3.2 Community License
Caractéristiques
- Organisation
- Meta
- Architecture
- llama
- Sortie
- septembre 2024
- Couches
- 16
- Dimension cachée
- 2048
- Têtes d'attention
- 32
- Têtes KV
- 8
- Dimension par tête
- 64
- Vocabulaire
- 128 256
- Cache KV pour 1K tokens (f16)
- 0,031 Go
Spécification officielleDonnées mises à jour il y a 24 joursSource: Hugging Face config.json + model card
Quantifications et mémoire
| Quantification | Taille du fichier | Mémoire nécessaire | Mémoire GPU minimale | Qualité |
|---|---|---|---|---|
| BF16 | 2,3 Go | ~3,6 Go | 8 Go | Référence (non quantifié) |
| Q8_0 | 1,2 Go | ~2,5 Go | 8 Go | Quasi sans perte |
| Q6_K | 1 Go | ~2,2 Go | 8 Go | Quasi sans perte |
| Q5_K_M | 0,8 Go | ~2,1 Go | 8 Go | Très bonne |
| Q4_K_MLa plus utilisée | 0,8 Go | ~2 Go | 8 Go | Bonne — le choix courant |
| IQ4_XS | 0,7 Go | ~1,9 Go | 8 Go | Bonne — le choix courant |
| Q3_K_M | 0,6 Go | ~1,9 Go | 8 Go | Perte perceptible |
| Q2_K | 0,5 Go | ~1,7 Go | 8 Go | Perte importante |
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. (BF16 ≈ 16 bpw, Q8_0 ≈ 8,5 bpw, Q6_K ≈ 6,57 bpw, Q5_K_M ≈ 5,7 bpw, Q4_K_M ≈ 4,9 bpw, IQ4_XS ≈ 4,46 bpw, Q3_K_M ≈ 4 bpw, Q2_K ≈ 3,17 bpw)
Q4, Q5 ou Q8 : comment choisir sa quantification
Les GPU qui font tourner Llama 3.2 1B Instruct
| RTX 509032 Go · 64 Go RAM~2 Go · 610–1 174 tok/s estimation | Excellent |
|---|---|
| RTX 409024 Go · 64 Go RAM~2 Go · 461–790 tok/s estimation | Excellent |
| RTX 309024 Go · 64 Go RAM~2 Go · 442–747 tok/s estimation | Excellent |
| RX 7900 XTX24 Go · 64 Go RAM~2,1 Go · 335–596 tok/s estimation | Excellent |
| RTX 5060 Ti 16 GB16 Go · 64 Go RAM~2 Go · 272–408 tok/s estimation | Excellent |
| RTX 5070 Ti16 Go · 64 Go RAM~2 Go · 431–722 tok/s estimation | Excellent |
| RTX 508016 Go · 64 Go RAM~2 Go · 449–761 tok/s estimation | Excellent |
| RTX 4060 Ti 16 GB16 Go · 64 Go RAM~2 Go · 193–275 tok/s estimation | Excellent |
| RTX 4070 Ti SUPER16 Go · 64 Go RAM~2 Go · 361–575 tok/s estimation | Excellent |
| RX 9070 XT16 Go · 64 Go RAM~2,1 Go · 272–455 tok/s estimation | Excellent |
| RTX 3060 12 GB12 Go · 64 Go RAM~2 Go · 230–337 tok/s estimation | Excellent |
| RTX 407012 Go · 64 Go RAM~2 Go · 296–452 tok/s estimation | Excellent |
| RTX 507012 Go · 64 Go RAM~2 Go · 361–575 tok/s estimation | Excellent |
| RTX 40608 Go · 64 Go RAM~2 Go · 184–261 tok/s estimation | Excellent |
Les Mac qui font tourner Llama 3.2 1B Instruct
| M3 Ultra (80-core GPU) · 512 GoMac Studio~1,8 Go · 301–803 tok/s estimation | Excellent |
|---|---|
| M4 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~1,8 Go · 239–535 tok/s estimation | Excellent |
| M3 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~1,8 Go · 195–392 tok/s estimation | Excellent |
| M4 Pro (20-core GPU) · 64 GoMac mini, MacBook Pro 14~1,8 Go · 147–268 tok/s estimation | Excellent |
| M4 Max (32-core GPU) · 36 GoMacBook Pro 14, MacBook Pro 16~1,8 Go · 198–402 tok/s estimation | Excellent |
| M4 · 32 GoMacBook Air, MacBook Pro 14~1,8 Go · 75–118 tok/s estimation | Excellent |
| M5 · 32 GoMacBook Pro 14~1,8 Go · 92–150 tok/s estimation | Excellent |
| M3 · 24 GoMacBook Air, MacBook Pro 14~1,8 Go · 63–98 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 32K, il ajoute environ 1 Go aux poids.
Où acheter
Les prix et les liens suivent le marché choisi.
Radeon RX 7600 XT
AMD
ExcellentFait tourner Llama 3.2 1B Instruct Q4_K_M entièrement en mémoire
AMD Ryzen AI Max+ 395
PC à mémoire unifiée
ExcellentFait tourner Llama 3.2 1B Instruct Q4_K_M 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 3.2 1B Instruct ?
Environ 2 Go en Q4_K_M avec un contexte de 8K, cache KV et surcoût compris. En Q8_0, il faut environ 2,5 Go. Un contexte plus long ajoute davantage : environ 1 Go de cache KV à 32K.
Llama 3.2 1B Instruct tourne-t-il sur Mac ?
Oui, sur un Mac dont le GPU peut utiliser au moins 1,8 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 3.2 1B Instruct ?
Sur une RTX 4090, nous estimons 461–790 tok/s en Q4_K_M. C'est une estimation fondée sur la bande passante mémoire (confiance faible) tant que des benchmarks ne sont pas importés.