Llama 4 Scout 17B 16E 本地部署需要多少記憶體？
看能跑的裝置Llama 4 Scout 17B 16E 是 MoE 模型，總參數 108.6B，每 token 啟用 17B。Q4 量化整機放顯存需要 64GB；把專家放進系統記憶體後只需 10GB 顯存 + 55GB 記憶體。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 71.5 tokens/s。卸載模式下最便宜能跑的顯示卡是 GeForce RTX 2080 Ti，預估 11 tokens/s。
Llama 4 Scout 17B 16E 版本資訊
Llama 4 Scout 17B 16E 各量化與上下文的記憶體需求
8K 總記憶體MoE：總參數 108.6B 全部要常駐記憶體，速度按每 token 啟用的 17B 計算。
| 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 | 65.4GGUF | 63.1 | 67.6 | 85.6 |
| Q5_K_M | 76.5GGUF | 75.8 | 80.3 | 98.3 |
| Q8_0 | 112.6估 | 115.1 | 119.6 | 137.6 |
| FP16 | 215.6GGUF | 215 | 219.5 | 237.5 |
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 10M 上下文上限的檔位寫「—」。
什麼顯示卡能跑 Llama 4 Scout 17B 16E？
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 | 71.5 | 8K |
 Instinct MI210 | 64 | NT$86,96217 筆掛牌 | 59.7 | 8K |
| RTX PRO 5000 Blackwell 72GB | 72 | NT$291,44011 筆掛牌 | 66.2 | 32K |
| RTX PRO 6000D | 84 | NT$329,04619 筆掛牌 | 74 | 32K |
| RTX PRO 6000 Blackwell | 96 | NT$557,02710 筆掛牌 | 81.2 | 128K |
| DGX Spark 128GB | 128 | —暫無掛牌 | 17.1 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暫無掛牌 | 25.8 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暫無掛牌 | 28.6 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暫無掛牌 | 25.8 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暫無掛牌 | 28.6 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暫無掛牌 | 11.7 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暫無掛牌 | 36.8 | 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。
把專家放進記憶體後還能跑 Llama 4 Scout 17B 16E 的顯示卡
專家權重放系統記憶體，需要 ≥ 55 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 10 GB。速度受記憶體頻寬限制（按 70 GB/s 估算），比整機放顯存慢得多。
| 裝置 | 顯存GB | 二手價 | 需記憶體GB | 預估 t/s |
|---|---|---|---|---|
| GeForce RTX 2080 Ti | 11 | NT$7,897 | 55 | 11 |
| Radeon RX 7800 XT | 16 | NT$12,222 | 55 | 10.3 |
| Radeon RX 7900 XT | 20 | NT$18,798 | 55 | 10.8 |
| Radeon RX 9070 XT | 16 | NT$24,584 | 55 | 10.3 |
 Arc Pro B60 | 24 | NT$24,909 | 55 | 9.2 |
| Radeon RX 7900 XTX | 24 | NT$25,854 | 55 | 11.2 |
| GeForce RTX 4080 | 16 | NT$35,678 | 55 | 11.2 |
| GeForce RTX 3090 | 24 | NT$37,836 | 55 | 11.7 |
| GeForce RTX 5070 Ti | 16 | NT$40,632 | 55 | 11.6 |
| Arc Pro B70 | 32 | NT$47,002 | 55 | 10 |
| Radeon PRO W7800 | 32 | NT$47,477 | 55 | 10.1 |
| CMP 170HX 40GB (改裝) | 40 | NT$50,767 | 55 | 12.3 |
| GeForce RTX 5080 | 16 | NT$54,057 | 55 | 11.7 |
| Radeon AI PRO R9700 | 32 | NT$55,938 | 55 | 10.3 |
| RTX PRO 4000 Blackwell | 24 | NT$74,270 | 55 | 11.1 |
| Radeon PRO W7900 | 48 | NT$103,414 | 55 | 11 |
| GeForce RTX 4090 | 24 | NT$107,175 | 55 | 11.8 |
| GeForce RTX 5090 D V2 | 24 | NT$117,516 | 55 | 12.1 |
| GeForce RTX 4090 48GB (改裝) | 48 | NT$119,867 | 55 | 11.8 |
| RTX PRO 4500 Blackwell | 32 | NT$121,512 | 55 | 11.6 |
| GeForce RTX 5090 D | 32 | NT$145,250 | 55 | 12.4 |
| A100 40GB PCIe | 40 | NT$180,975 | 55 | 12.3 |
| GeForce RTX 5090 | 32 | NT$186,851 | 55 | 12.4 |
| RTX PRO 5000 Blackwell 48GB | 48 | NT$220,931 | 55 | 12.1 |
| Tesla V100 16GB | 16 | — | 55 | 11.6 |
| Arc Pro B65 | 32 | — | 55 | 10 |
| GeForce RTX 4080 SUPER 32GB (改裝) | 32 | — | 55 | 11.3 |
| Instinct MI100 | 32 | — | 55 | 11.6 |
| Tesla V100 32GB | 32 | — | 55 | 11.6 |
用 Ollama / llama.cpp / vLLM 啟動 Llama 4 Scout 17B 16E
Ollama 一行指令拉起，量化檔位由官方標籤決定。
ollama run llama4:scout
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf unsloth/Llama-4-Scout-17B-16E-Instruct-GGUF:Q4_K_M -c 8192
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-4-Scout-17B-16E-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 4 Scout 17B 16E 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 Llama 4 Scout 17B 16E 約需 64GB 記憶體，留到 76GB 更穩。
哪張顯示卡最便宜能跑 Llama 4 Scout 17B 16E？
CMP 170HX 64GB (改裝)，64GB 記憶體，目前二手中位價約 NT$60,403，預估 71.5 tokens/s。
Llama 4 Scout 17B 16E 能用 Ollama 跑嗎？
能，指令是 ollama run llama4:scout。