Llama 3.2 3B をローカルに導入するには？
Llama 3.2 3B は 3.2B パラメータの Dense モデルです。Q4 量子化では最低 4GB、8K コンテキストなら 8GB のVRAMを推奨します。現在最も安く動かせるのは Tesla V100 16GB（で約 ¥20,097）で、推定 227.3 tokens/s です。
Llama 3.2 3B のバージョン情報
Llama 3.2 3B のローカル実行に必要なVRAMは？
| 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 |
|---|---|---|---|---|
| 1-bit | 0.8推定 | 2.6 | 5.3 | 15.8 |
| 2-bit | 1.2推定 | 3.1 | 5.7 | 16.2 |
| 3-bit | 1.9GGUF | 3.4 | 6 | 16.5 |
| 4-bit | 2GGUF | 3.7 | 6.3 | 16.8 |
| 5-bit | 2.3GGUF | 4 | 6.7 | 17.2 |
| 8-bit | 3.4GGUF | 5.2 | 7.8 | 18.3 |
| FP16 | 6.4GGUF | 8.2 | 10.8 | 21.3 |
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。各段はリポジトリにあるそのビット幅のファイルを使い、unsloth 動的量子化を優先するため、ファイル名はモデルごとに異なります。
Llama 3.2 3B を動かせるGPUは？
Xianyu
| デバイス | VRAMGB | 価格 | 推定 t/s | 推奨コンテキスト |
|---|---|---|---|---|
 Tesla V100 16GB | 16 | ¥20,09713 件の出品 | 227.3 | 32K |
| GeForce RTX 2080 Ti 22GB | 22 | ¥59,3783 件の出品 | 165.1 | 128K |
 Instinct MI50 32GB | 32 | ¥62,2324 件の出品 | 191.3 | 128K |
| Radeon RX 6950 XT | 16 | ¥68,49013 件の出品 | 115.3 | 32K |
| Radeon RX 7800 XT | 16 | ¥70,79611 件の出品 | 124 | 32K |
| Tesla V100 32GB | 32 | ¥73,08011 件の出品 | 227.3 | 128K |
| Radeon RX 7900 XT | 20 | ¥98,17816 件の出品 | 154.6 | 128K |
| GeForce RTX 5060 Ti 16GB | 16 | ¥107,0624 件の出品 | 124.5 | 32K |
 Arc Pro B60 | 24 | ¥120,46810 件の出品 | 84.4 | 128K |
| Radeon RX 7900 XTX | 24 | ¥132,45817 件の出品 | 181.1 | 128K |
| Radeon RX 9070 XT | 16 | ¥139,30912 件の出品 | 126.8 | 32K |
| GeForce RTX 5070 | 12 | ¥141,02210 件の出品 | 177.9 | 32K |
| GeForce RTX 4080 | 16 | ¥176,9919 件の出品 | 188 | 32K |
| GeForce RTX 3090 | 24 | ¥184,98415 件の出品 | 234.8 | 128K |
| Arc Pro B70 | 32 | ¥224,9496 件の出品 | 110.1 | 128K |
| GeForce RTX 5070 Ti | 16 | ¥226,0683 件の出品 | 226.5 | 32K |
| Radeon AI PRO R9700 | 32 | ¥252,3548 件の出品 | 126.8 | 128K |
| CMP 170HX 40GB | 40 | ¥258,0644 件の出品 | 347.7 | 128K |
| Radeon PRO W7800 | 32 | ¥283,1853 件の出品 | 115.3 | 128K |
| GeForce RTX 5080 | 16 | ¥284,32712 件の出品 | 239.6 | 32K |
| CMP 170HX 64GB | 64 | ¥320,8678 件の出品 | 336.8 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥357,40718 件の出品 | 177.9 | 128K |
| Instinct MI210 | 64 | ¥422,49412 件の出品 | 280.3 | 128K |
| Radeon PRO W7900 | 48 | ¥502,4255 件の出品 | 165.3 | 128K |
| GeForce RTX 4090 | 24 | ¥536,68116 件の出品 | 249.2 | 128K |
| GeForce RTX 5090 D V2 | 24 | ¥545,81614 件の出品 | 311.5 | 128K |
| RTX PRO 4500 Blackwell | 32 | ¥590,35016 件の出品 | 226.5 | 128K |
| GeForce RTX 4090 48GB | 48 | ¥607,4783 件の出品 | 249.2 | 128K |
| A100 40GB PCIe | 40 | ¥706,8214 件の出品 | 346.9 | 128K |
| Mac Studio M4 Max 128GB | 128 | ¥735,36813 件の出品 | 119.8 | 128K |
| DGX Spark 128GB | 128 | ¥742,21931 件の出品 | 79 | 128K |
| GeForce RTX 5090 D | 32 | ¥751,35413 件の出品 | 383.5 | 128K |
| MacBook Pro M4 Max 128GB | 128 | ¥808,4484 件の出品 | 119.8 | 128K |
| Mac Studio M5 Max 128GB | 128 | ¥903,2236 件の出品 | 133.1 | 128K |
| GeForce RTX 5090 | 32 | ¥1,000,28313 件の出品 | 383.5 | 128K |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥1,068,79515 件の出品 | 311.5 | 128K |
| MacBook Pro M5 Max 128GB | 128 | ¥1,251,4957 件の出品 | 133.1 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥1,484,43817 件の出品 | 311.5 | 128K |
| RTX PRO 6000D | 84 | ¥1,552,95117 件の出品 | 349 | 128K |
| RTX PRO 6000 Blackwell | 96 | ¥2,829,5676 件の出品 | 383.5 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | ¥2,966,5926 件の出品 | 171.4 | 128K |
| Arc Pro B65 | 32 | —出品なし | 110.1 | 128K |
| GeForce RTX 4080 SUPER 32GB | 32 | —出品なし | 192.4 | 128K |
| Instinct MI100 | 32 | —出品なし | 222.7 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —出品なし | 54 | 128K |
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 3.2 3B をローカルに導入する
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 llama3.2:3b
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/Llama-3.2-3B-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-3.2-3B-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 3.2 3B 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 3.2 3B に約 4GB のVRAMが必要で、8GB あれば余裕があります。
Llama 3.2 3B を動かせる最も安いGPUは？
Tesla V100 16GB です。VRAM 16GB、現在の中央値は約 ¥20,097、推定 227.3 tokens/s。
Llama 3.2 3B は Ollama で動かせますか？
はい。ollama run llama3.2:3b で動きます。