01功能特性
优点
- 3B 模型支持 128k 上下文
- 在CPU上运行极快
- 非常适合边缘设备／移动设备
- Meta社区许可
需了解的局限性
- —与 7B+ 模型相比，输出质量有限
- —无视觉能力（仅文本版本）
架构
密集型Transformer · Llama 3.2 3B · 适用于边缘设备的轻量架构
训练
Meta 多语言语料库 + 从大型 Llama 模型中蒸馏。
最适合的场景
On-device快速助手
05安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama run llama3.2:3b
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
2.5 GB
Q5_K_M
质量/体积的良好平衡
3 GB
Q8_0
几乎无法与 FP16 区分
4.5 GB
FP16
全精度 — 服务器用途
7 GB
CPU 回退 · 如果您没有 GPU，请预留 6 GB 内存 以较低速度运行此模型的最低要求。
运行Llama 3.2 3B需要什么硬件？
在本地以Q4量化运行Llama 3.2 3B，大约需要2.5 GB 显存。可供比较的硬件选项：RTX 5060 Ti 16GB (ASUS Prime) — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： RTX 5060 Ti 16GB (ASUS Prime)
Amazon查看价格 →联盟链接——您无需承担额外费用，我们可能获得佣金，推荐保持独立。作为亚马逊合作伙伴，哪个LLM会从符合条件的购买中获益。
移动场景： Llama 3.2 3B 也可在以下设备上运行 RTX 笔记本电脑 (16 GB 显存）→
在你的私有 ChatGPT 中使用此模型，无需云端
只需 1 小时，即可在您的电脑上拥有专属的免费 ChatGPT — LM Studio、Ollama、Open WebUI、您的文档，无需云端。
- 在线空间，终身可用
- PDF + 文件
- 终身更新
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。
04公开基准测试
分数引自模型卡片或 MMLU-Pro / 社区数据。单位：正确回答百分比。
MMLU
63.4
HellaSwag
79.2