Llama 3.1 8B のローカル実行に必要なVRAMは？
動かせるデバイスを見るLlama 3.1 8B は 8B パラメータの Dense モデルです。Q4 量子化では最低 7GB、8K コンテキストなら 8GB のVRAMを推奨します。収まる最も安いデバイスは GeForce RTX 2080 Ti ですが、中古価格のデータはまだなく、推定 79.5 tokens/s です。
Llama 3.1 8B のバージョン情報
Llama 3.1 8B の量子化・コンテキスト別の必要VRAM
8K 時の合計| 量子化 | 重みサイズGB | 8K 時の合計GB | 32K 時の合計GB | 128K 時の合計GB |
|---|---|---|---|---|
| Q4_K_M | 4.9GGUF | 6.5 | 9.5 | 21.5 |
| Q5_K_M | 5.7GGUF | 7.4 | 10.4 | 22.4 |
| Q8_0 | 8.5GGUF | 10.3 | 13.3 | 25.3 |
| FP16 | 15.7推定 | 17.7 | 20.7 | 32.7 |
合計 = 重み + KV キャッシュ（FP16）+ 実行時オーバーヘッド 1GB。GGUF と付いた重みはリポジトリの実測ファイルサイズ、「推定」はパラメータあたりのバイト数からの概算です。このモデルの上限 128K を超えるコンテキストは「—」と表示します。
Llama 3.1 8B を動かせるGPUは？
Q4_K_M・8K コンテキスト・eBayの中古価格の安い順
判定基準：重み + KV キャッシュ + 実行時オーバーヘッド ≤ 利用可能メモリ、1 枚構成。MoE モデルの「オフロード」はエキスパート重みをシステム RAM に置けば動作することを示し（VRAM にはアテンション層と KV キャッシュのみ）、その速度は RAM 帯域幅 70 GB/s を前提に推定。コンテキスト列は収まる最大段階です。
Ollama / llama.cpp / vLLM で Llama 3.1 8B を起動する
Ollama は 1 コマンドで取得して起動します。量子化は公式タグに従います。
ollama run llama3.1:8b
llama.cpp は Hugging Face から GGUF を直接取得します。-c はコンテキスト長です。
llama-server -hf bartowski/Meta-Llama-3.1-8B-Instruct-GGUF:Q4_K_M -c 8192
vLLM は元の精度の重みを読み込むため、GGUF よりはるかに多くのメモリ（通常は複数枚）が必要です。
vllm serve meta-llama/Llama-3.1-8B-Instruct
ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法
よくある質問
Llama 3.1 8B にはどれくらいのVRAMが必要ですか？
Q4_K_M・8K コンテキストでは Llama 3.1 8B に約 7GB のVRAMが必要で、8GB あれば余裕があります。
Llama 3.1 8B を動かせる最も安いGPUは？
GeForce RTX 2080 Ti です。VRAM 11GB、推定 79.5 tokens/s。このデバイスの中古価格データはまだありません。
Llama 3.1 8B は Ollama で動かせますか？
はい。ollama run llama3.1:8b で動きます。