Llama 3.3 70B をローカルに導入するには？
Llama 3.3 70B は 70.6B パラメータの Dense モデルです。Q4 量子化では最低 43GB、8K コンテキストなら 52GB のVRAMを推奨します。現在最も安く動かせるのは Radeon PRO W7900（で約 ¥536,811）で、推定 10.3 tokens/s です。
Llama 3.3 70B のバージョン情報
Llama 3.3 70B 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 | 16.8GGUF | 20.1 | 27.6 | 57.6 |
| 2-bit | 27.4GGUF | 29.7 | 37.2 | 67.2 |
| 3-bit | 38.1GGUF | 37.3 | 44.8 | 74.8 |
| 4-bit | 42.5GGUF | 42.8 | 50.3 | 80.3 |
| 5-bit | 49.9GGUF | 51.1 | 58.6 | 88.6 |
| 8-bit | 75GGUF | 76.6 | 84.1 | 114.1 |
| FP16 | 141.1GGUF | 141.5 | 149 | 179 |
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 3.3 70B を動かせるGPUは？
eBay
| デバイス | VRAMGB | 価格 | 推定 t/s | 推奨コンテキスト |
|---|---|---|---|---|
 Radeon PRO W7900 | 48 | ¥536,8113 件の出品 | 10.3 | 8K |
| Instinct MI210 | 64 | ¥775,03511 件の出品 | 19.4 | 32K |
| MacBook Pro M4 Max 128GB | 128 | ¥852,2933 件の出品 | 7.2 | 128K |
| Mac Studio M4 Max 128GB | 128 | ¥1,005,5804 件の出品 | 7.2 | 128K |
| MacBook Pro M5 Max 128GB | 128 | ¥1,113,5575 件の出品 | 8.1 | 128K |
 RTX PRO 6000 Blackwell | 96 | ¥2,608,7944 件の出品 | 29.5 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | ¥3,379,06811 件の出品 | 10.8 | 128K |
| GeForce RTX 4090 48GB | 48 | —出品なし | 16.8 | 8K |
| RTX PRO 5000 Blackwell 48GB | 48 | —出品なし | 22.3 | 8K |
| CMP 170HX 64GB | 64 | —出品なし | 24.7 | 32K |
| RTX PRO 5000 Blackwell 72GB | 72 | —出品なし | 22.3 | 32K |
| RTX PRO 6000D | 84 | —出品なし | 25.9 | 128K |
| DGX Spark 128GB | 128 | —出品なし | 4.6 | 128K |
| Mac Studio M5 Max 128GB | 128 | —出品なし | 8.1 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —出品なし | 3.1 | 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 3.3 70B 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 llama3.3:70b
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-3.3-70B-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-3.3-70B-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 3.3 70B 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 3.3 70B に約 43GB のVRAMが必要で、52GB あれば余裕があります。
Llama 3.3 70B を動かせる最も安いGPUは？
Radeon PRO W7900 です。VRAM 48GB、現在の中央値は約 ¥536,811、推定 10.3 tokens/s。
Llama 3.3 70B は Ollama で動かせますか？
はい。ollama run llama3.3:70b で動きます。