Llama 3.2 3B 本地部署需要多少記憶體？
看能跑的裝置Llama 3.2 3B 是 3.2B 參數的稠密模型。Q4 量化最低需要 4GB 記憶體，8K 上下文下建議 8GB。目前最便宜能跑的顯示卡是 GeForce RTX 2080 Ti，二手約 NT$7,897，預估 165.1 tokens/s。
Llama 3.2 3B 版本資訊
發布日期2024年9月18日
Hugging Face 倉庫meta-llama/Llama-3.2-3B-Instruct
小版本—
架構稠密
Ollama 標籤llama3.2:3b
30 天下載1,419,885
Q4 最低記憶體4 GB · Q4_K_M · 8K
參數量3.2B
層數28
隱藏維度3,072
KV 頭8
頭維度128
上下文上限128K
廠商Meta AI
Llama 3.2 3B 各量化與上下文的記憶體需求
8K 總記憶體| 量化 | 權重體積GB | 8K 總記憶體GB | 32K 總記憶體GB | 128K 總記憶體GB |
|---|---|---|---|---|
| Q4_K_M | 2GGUF | 3.7 | 6.3 | 16.8 |
| Q5_K_M | 2.3GGUF | 4 | 6.7 | 17.2 |
| Q8_0 | 3.4GGUF | 5.2 | 7.8 | 18.3 |
| FP16 | 6.4GGUF | 8.2 | 10.8 | 21.3 |
總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 128K 上下文上限的檔位寫「—」。
什麼顯示卡能跑 Llama 3.2 3B？
Q4_K_M · 8K 上下文 · 依閒魚二手價升序| 裝置 | 顯存GB | 二手價 | 預估 t/s | 建議上下文 |
|---|---|---|---|---|
 GeForce RTX 2080 Ti | 11 | NT$7,8977 筆掛牌 | 165.1 | 32K |
 Radeon RX 7800 XT | 16 | NT$12,22214 筆掛牌 | 124 | 32K |
| Radeon RX 7900 XT | 20 | NT$18,79818 筆掛牌 | 154.6 | 128K |
| Radeon RX 9070 XT | 16 | NT$24,58413 筆掛牌 | 126.8 | 32K |
 Arc Pro B60 | 24 | NT$24,9099 筆掛牌 | 84.4 | 128K |
| Radeon RX 7900 XTX | 24 | NT$25,85418 筆掛牌 | 181.1 | 128K |
| GeForce RTX 4080 | 16 | NT$35,67812 筆掛牌 | 188 | 32K |
| GeForce RTX 3090 | 24 | NT$37,8368 筆掛牌 | 234.8 | 128K |
| GeForce RTX 5070 Ti | 16 | NT$40,6324 筆掛牌 | 226.5 | 32K |
| Arc Pro B70 | 32 | NT$47,0027 筆掛牌 | 110.1 | 128K |
| Radeon PRO W7800 | 32 | NT$47,4774 筆掛牌 | 115.3 | 128K |
| CMP 170HX 40GB (改裝) | 40 | NT$50,7674 筆掛牌 | 347.7 | 128K |
| GeForce RTX 5080 | 16 | NT$54,0577 筆掛牌 | 239.6 | 32K |
| Radeon AI PRO R9700 | 32 | NT$55,9383 筆掛牌 | 126.8 | 128K |
| CMP 170HX 64GB (改裝) | 64 | NT$60,4034 筆掛牌 | 336.8 | 128K |
| RTX PRO 4000 Blackwell | 24 | NT$74,27010 筆掛牌 | 177.9 | 128K |
| Instinct MI210 | 64 | NT$86,96217 筆掛牌 | 280.3 | 128K |
| Radeon PRO W7900 | 48 | NT$103,4145 筆掛牌 | 165.3 | 128K |
| GeForce RTX 4090 | 24 | NT$107,1755 筆掛牌 | 249.2 | 128K |
| GeForce RTX 5090 D V2 | 24 | NT$117,51616 筆掛牌 | 311.5 | 128K |
| GeForce RTX 4090 48GB (改裝) | 48 | NT$119,8673 筆掛牌 | 249.2 | 128K |
| RTX PRO 4500 Blackwell | 32 | NT$121,5128 筆掛牌 | 226.5 | 128K |
| GeForce RTX 5090 D | 32 | NT$145,2507 筆掛牌 | 383.5 | 128K |
| A100 40GB PCIe | 40 | NT$180,9754 筆掛牌 | 346.9 | 128K |
| GeForce RTX 5090 | 32 | NT$186,8514 筆掛牌 | 383.5 | 128K |
| RTX PRO 5000 Blackwell 48GB | 48 | NT$220,93111 筆掛牌 | 311.5 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | NT$291,44011 筆掛牌 | 311.5 | 128K |
| RTX PRO 6000D | 84 | NT$329,04619 筆掛牌 | 349 | 128K |
| RTX PRO 6000 Blackwell | 96 | NT$557,02710 筆掛牌 | 383.5 | 128K |
| Tesla V100 16GB | 16 | —暫無掛牌 | 227.3 | 32K |
| Arc Pro B65 | 32 | —暫無掛牌 | 110.1 | 128K |
| GeForce RTX 4080 SUPER 32GB (改裝) | 32 | —暫無掛牌 | 192.4 | 128K |
| Instinct MI100 | 32 | —暫無掛牌 | 222.7 | 128K |
| Tesla V100 32GB | 32 | —暫無掛牌 | 227.3 | 128K |
| DGX Spark 128GB | 128 | —暫無掛牌 | 79 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暫無掛牌 | 119.8 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暫無掛牌 | 133.1 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暫無掛牌 | 119.8 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暫無掛牌 | 133.1 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暫無掛牌 | 54 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暫無掛牌 | 171.4 | 128K |
判定口徑：權重 + KV cache + 執行開銷 ≤ 可用記憶體，單卡。MoE 模型標「卸載」表示把專家權重放進系統記憶體後能跑（顯存只放注意力層與 KV cache），速度按記憶體頻寬 70 GB/s 估算。上下文欄給的是能裝下的最大檔位。
用 Ollama / llama.cpp / vLLM 啟動 Llama 3.2 3B
Ollama
Ollama 一行指令拉起，量化檔位由官方標籤決定。
ollama run llama3.2:3b
llama.cpp
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf bartowski/Llama-3.2-3B-Instruct-GGUF:Q4_K_M -c 8192
vLLM
vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。
vllm serve meta-llama/Llama-3.2-3B-Instruct
量化檔名以模型庫當週抓取為準，口徑見資料方法。 資料方法
常見問題
Llama 3.2 3B 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 Llama 3.2 3B 約需 4GB 記憶體，留到 8GB 更穩。
哪張顯示卡最便宜能跑 Llama 3.2 3B？
GeForce RTX 2080 Ti，11GB 記憶體，目前二手中位價約 NT$7,897，預估 165.1 tokens/s。
Llama 3.2 3B 能用 Ollama 跑嗎？
能，指令是 ollama run llama3.2:3b。