Llama 3.2 3B 如何本地部署？
Llama 3.2 3B 是 3.2B 参数的稠密模型。Q4 量化最低需要 4GB 显存，8K 上下文下推荐 8GB。当前最便宜能跑的显卡是 Tesla V100 16GB，约 ¥4,432，预估 227.3 tokens/s。
Llama 3.2 3B 版本信息
Q4 最低显存4 GB · Q4_K_M · 8K
参数量3.2B
层数28
隐藏维度3,072
KV 头8
头维度128
上下文上限128K
厂商Meta AI
Llama 3.2 3B 本地部署需要多少显存？
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存GB |
|---|---|---|---|---|
| 1-bit | 0.8估 | 2.6 | 5.3 | 15.8 |
| 2-bit | 1.2估 | 3.1 | 5.7 | 16.2 |
| 3-bit | 1.9GGUF | 3.4 | 6 | 16.5 |
| 4-bit | 2GGUF | 3.7 | 6.3 | 16.8 |
| 5-bit | 2.3GGUF | 4 | 6.7 | 17.2 |
| 8-bit | 3.4GGUF | 5.2 | 7.8 | 18.3 |
| FP16 | 6.4GGUF | 8.2 | 10.8 | 21.3 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 128K 上下文上限的档位写「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。
什么显卡能跑 Llama 3.2 3B？
AmazonJP
| 设备 | 显存GB | 价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
 Tesla V100 16GB | 16 | ¥4,4324 条挂单 | 227.3 | 32K |
 Radeon RX 9070 XT | 16 | ¥5,9498 条挂单 | 126.8 | 32K |
| GeForce RTX 5060 Ti 16GB | 16 | ¥6,2179 条挂单 | 124.5 | 32K |
| GeForce RTX 5070 | 12 | ¥6,42810 条挂单 | 177.9 | 32K |
| Radeon RX 7800 XT | 16 | ¥6,49810 条挂单 | 124 | 32K |
| Tesla V100 32GB | 32 | ¥7,6733 条挂单 | 227.3 | 128K |
 Arc Pro B60 | 24 | ¥7,8293 条挂单 | 84.4 | 128K |
| Radeon RX 7900 XT | 20 | ¥8,3639 条挂单 | 154.6 | 128K |
| Radeon RX 6950 XT | 16 | ¥9,4424 条挂单 | 115.3 | 32K |
| GeForce RTX 5070 Ti | 16 | ¥10,60010 条挂单 | 226.5 | 32K |
| Radeon RX 7900 XTX | 24 | ¥11,6869 条挂单 | 181.1 | 128K |
| GeForce RTX 5080 | 16 | ¥12,5604 条挂单 | 239.6 | 32K |
| Arc Pro B70 | 32 | ¥13,9473 条挂单 | 110.1 | 128K |
| GeForce RTX 4080 | 16 | ¥14,7108 条挂单 | 188 | 32K |
| Radeon AI PRO R9700 | 32 | ¥15,0896 条挂单 | 126.8 | 128K |
| GeForce RTX 3090 | 24 | ¥16,9509 条挂单 | 234.8 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | ¥26,3156 条挂单 | 54 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥26,6035 条挂单 | 177.9 | 128K |
| GeForce RTX 4090 | 24 | ¥32,9869 条挂单 | 249.2 | 128K |
| GeForce RTX 5090 | 32 | ¥50,3659 条挂单 | 383.5 | 128K |
| DGX Spark 128GB | 128 | ¥55,3043 条挂单 | 79 | 128K |
| GeForce RTX 2080 Ti 22GB | 22 | —暂无挂单 | 165.1 | 128K |
| GeForce RTX 5090 D V2 | 24 | —暂无挂单 | 311.5 | 128K |
| Arc Pro B65 | 32 | —暂无挂单 | 110.1 | 128K |
| GeForce RTX 4080 SUPER 32GB | 32 | —暂无挂单 | 192.4 | 128K |
| GeForce RTX 5090 D | 32 | —暂无挂单 | 383.5 | 128K |
| Instinct MI100 | 32 | —暂无挂单 | 222.7 | 128K |
| Instinct MI50 32GB | 32 | —暂无挂单 | 191.3 | 128K |
| Radeon PRO W7800 | 32 | —暂无挂单 | 115.3 | 128K |
| RTX PRO 4500 Blackwell | 32 | —暂无挂单 | 226.5 | 128K |
| A100 40GB PCIe | 40 | —暂无挂单 | 346.9 | 128K |
| CMP 170HX 40GB | 40 | —暂无挂单 | 347.7 | 128K |
| GeForce RTX 4090 48GB | 48 | —暂无挂单 | 249.2 | 128K |
| Radeon PRO W7900 | 48 | —暂无挂单 | 165.3 | 128K |
| RTX PRO 5000 Blackwell 48GB | 48 | —暂无挂单 | 311.5 | 128K |
| CMP 170HX 64GB | 64 | —暂无挂单 | 336.8 | 128K |
| Instinct MI210 | 64 | —暂无挂单 | 280.3 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | —暂无挂单 | 311.5 | 128K |
| RTX PRO 6000D | 84 | —暂无挂单 | 349 | 128K |
| RTX PRO 6000 Blackwell | 96 | —暂无挂单 | 383.5 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暂无挂单 | 119.8 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暂无挂单 | 133.1 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暂无挂单 | 119.8 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暂无挂单 | 133.1 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暂无挂单 | 171.4 | 128K |
判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。
用 Ollama / llama.cpp / vLLM 本地部署 Llama 3.2 3B
Ollama
Ollama 一条命令拉起，量化档位由官方标签决定。
ollama run llama3.2:3b
llama.cpp
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf bartowski/Llama-3.2-3B-Instruct-GGUF:Q4_K_M -c 8192
vLLM
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve meta-llama/Llama-3.2-3B-Instruct
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
Llama 3.2 3B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Llama 3.2 3B 约需 4GB 显存，留到 8GB 更稳。
哪张显卡最便宜能跑 Llama 3.2 3B？
Tesla V100 16GB，16GB 显存，当前中位价约 ¥4,432，预估 227.3 tokens/s。
Llama 3.2 3B 能用 Ollama 跑吗？
能，命令是 ollama run llama3.2:3b。