Llama 3.3 70B 本地部署需要多少記憶體？
看能跑的裝置Llama 3.3 70B 是 70.6B 參數的稠密模型。Q4 量化最低需要 43GB 記憶體，8K 上下文下建議 52GB。目前最便宜能跑的顯示卡是 CMP 170HX 64GB (改裝)，二手約 NT$60,403，預估 24.7 tokens/s。
Llama 3.3 70B 版本資訊
發布日期2024年11月26日
Hugging Face 倉庫meta-llama/Llama-3.3-70B-Instruct
小版本—
架構稠密
Ollama 標籤llama3.3:70b
30 天下載815,592
Q4 最低記憶體43 GB · Q4_K_M · 8K
參數量70.6B
層數80
隱藏維度8,192
KV 頭8
頭維度128
上下文上限128K
廠商Meta AI
Llama 3.3 70B 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 | 42.5GGUF | 42.8 | 50.3 | 80.3 |
| Q5_K_M | 49.9GGUF | 51.1 | 58.6 | 88.6 |
| Q8_0 | 75GGUF | 76.6 | 84.1 | 114.1 |
| FP16 | 141.1GGUF | 141.5 | 149 | 179 |
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 3.3 70B？
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 |
|---|---|---|---|---|
 CMP 170HX 64GB (改裝) | 64 | NT$60,4034 筆掛牌 | 24.7 | 32K |
 Instinct MI210 | 64 | NT$86,96217 筆掛牌 | 19.4 | 32K |
| Radeon PRO W7900 | 48 | NT$103,4145 筆掛牌 | 10.3 | 8K |
| GeForce RTX 4090 48GB (改裝) | 48 | NT$119,8673 筆掛牌 | 16.8 | 8K |
| RTX PRO 5000 Blackwell 48GB | 48 | NT$220,93111 筆掛牌 | 22.3 | 8K |
| RTX PRO 5000 Blackwell 72GB | 72 | NT$291,44011 筆掛牌 | 22.3 | 32K |
| RTX PRO 6000D | 84 | NT$329,04619 筆掛牌 | 25.9 | 128K |
| RTX PRO 6000 Blackwell | 96 | NT$557,02710 筆掛牌 | 29.5 | 128K |
| DGX Spark 128GB | 128 | —暫無掛牌 | 4.6 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暫無掛牌 | 7.2 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暫無掛牌 | 8.1 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暫無掛牌 | 7.2 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暫無掛牌 | 8.1 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暫無掛牌 | 3.1 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暫無掛牌 | 10.8 | 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 3.3 70B
Ollama
Ollama 一行指令拉起，量化檔位由官方標籤決定。
ollama run llama3.3:70b
llama.cpp
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf bartowski/Llama-3.3-70B-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-3.3-70B-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 3.3 70B 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 Llama 3.3 70B 約需 43GB 記憶體，留到 52GB 更穩。
哪張顯示卡最便宜能跑 Llama 3.3 70B？
CMP 170HX 64GB (改裝)，64GB 記憶體，目前二手中位價約 NT$60,403，預估 24.7 tokens/s。
Llama 3.3 70B 能用 Ollama 跑嗎？
能，指令是 ollama run llama3.3:70b。