Llama 3.3 70B 如何本地部署？
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，約 NT$65,743，預估 24.7 tokens/s。
Llama 3.3 70B 版本資訊
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 本地部署需要多少顯示記憶體？
| 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 |
|---|---|---|---|---|
| 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 |
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「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。
什麼顯示卡能跑 Llama 3.3 70B？
閒魚
| 裝置 | 顯存GB | 價 | 預估 t/s | 建議上下文 |
|---|---|---|---|---|
 CMP 170HX 64GB | 64 | NT$65,7438 筆掛單 | 24.7 | 32K |
 Instinct MI210 | 64 | NT$86,56612 筆掛單 | 19.4 | 32K |
| Radeon PRO W7900 | 48 | NT$102,9435 筆掛單 | 10.3 | 8K |
| GeForce RTX 4090 48GB | 48 | NT$124,4673 筆掛單 | 16.8 | 8K |
| Mac Studio M4 Max 128GB | 128 | NT$150,67113 筆掛單 | 7.2 | 128K |
| DGX Spark 128GB | 128 | NT$152,07531 筆掛單 | 4.6 | 128K |
| MacBook Pro M4 Max 128GB | 128 | NT$165,6454 筆掛單 | 7.2 | 128K |
| Mac Studio M5 Max 128GB | 128 | NT$185,0646 筆掛單 | 8.1 | 128K |
| RTX PRO 5000 Blackwell 48GB | 48 | NT$218,98815 筆掛單 | 22.3 | 8K |
| MacBook Pro M5 Max 128GB | 128 | NT$256,4227 筆掛單 | 8.1 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | NT$304,15017 筆掛單 | 22.3 | 32K |
| RTX PRO 6000D | 84 | NT$318,18817 筆掛單 | 25.9 | 128K |
| RTX PRO 6000 Blackwell | 96 | NT$579,7566 筆掛單 | 29.5 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | NT$607,8326 筆掛單 | 10.8 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暫無掛單 | 3.1 | 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 本地部署 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，64GB 記憶體，目前中位價約 NT$65,743，預估 24.7 tokens/s。
Llama 3.3 70B 能用 Ollama 跑嗎？
能，指令是 ollama run llama3.3:70b。