Llama 3.3 70B 本地部署需要多少显存？
看能跑的设备Llama 3.3 70B 是 70.6B 参数的稠密模型。Q4 量化最低需要 43GB 显存，8K 上下文下推荐 52GB。当前最便宜能跑的显卡是 CMP 170HX 64GB (改装)，二手约 ¥12,850，预估 24.7 tokens/s。
Llama 3.3 70B 版本信息
发布日期2024年11月26日
Hugging Face 仓库meta-llama/Llama-3.3-70B-Instruct
小版本—
架构稠密
Ollama 标签llama3.3:70b
30 天下载815,592
Q4 最低显存43 GB · Q4_K_M · 8K
参数量70.6B
层数80
隐藏维度8,192
KV 头8
头维度128
上下文上限128K
厂商Meta AI
Llama 3.3 70B 各量化与上下文的显存需求
8K 总显存| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存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 |
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「—」。
什么显卡能跑 Llama 3.3 70B？
Q4_K_M · 8K 上下文 · 按闲鱼二手价升序| 设备 | 显存GB | 二手价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
 CMP 170HX 64GB (改装) | 64 | ¥12,8504 条挂牌 | 24.7 | 32K |
 Instinct MI210 | 64 | ¥18,50017 条挂牌 | 19.4 | 32K |
| Radeon PRO W7900 | 48 | ¥22,0005 条挂牌 | 10.3 | 8K |
| GeForce RTX 4090 48GB (改装) | 48 | ¥25,5003 条挂牌 | 16.8 | 8K |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥47,00011 条挂牌 | 22.3 | 8K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥62,00011 条挂牌 | 22.3 | 32K |
| RTX PRO 6000D | 84 | ¥70,00019 条挂牌 | 25.9 | 128K |
| RTX PRO 6000 Blackwell | 96 | ¥118,50010 条挂牌 | 29.5 | 128K |
| DGX Spark 128GB | 128 | —暂无挂牌 | 4.6 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暂无挂牌 | 7.2 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暂无挂牌 | 8.1 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暂无挂牌 | 7.2 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暂无挂牌 | 8.1 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暂无挂牌 | 3.1 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暂无挂牌 | 10.8 | 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 启动 Llama 3.3 70B
Ollama
Ollama 一条命令拉起，量化档位由官方标签决定。
ollama run llama3.3:70b
llama.cpp
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf bartowski/Llama-3.3-70B-Instruct-GGUF:Q4_K_M -c 8192
vLLM
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve meta-llama/Llama-3.3-70B-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 3.3 70B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Llama 3.3 70B 约需 43GB 显存，留到 52GB 更稳。
哪张显卡最便宜能跑 Llama 3.3 70B？
CMP 170HX 64GB (改装)，64GB 显存，当前二手中位价约 ¥12,850，预估 24.7 tokens/s。
Llama 3.3 70B 能用 Ollama 跑吗？
能，命令是 ollama run llama3.3:70b。