Llama 3.1 8B 필요 사양: VRAM과 돌아가는 GPU
모델 정보
- 파라미터
- 8.03B
- 어텐션
- 풀 어텐션
- 최대 컨텍스트
- 131,072 토큰
- 공개일
- 2024-07-23
GGUF 파일
| 양자화 | 파일 크기 | 품질 | 배포처 |
|---|---|---|---|
| Q2_K | 3.18GB | 손실 큼 | 커뮤니티 GGUF · bartowski |
| IQ4_XS | 4.45GB | 균형 | 커뮤니티 GGUF · bartowski |
| Q4_K_M기준 | 4.92GB | 균형 | 커뮤니티 GGUF · bartowski |
| Q8_0 | 8.54GB | 준무손실 | 커뮤니티 GGUF · bartowski |
양자화·컨텍스트별 필요 메모리
| 양자화 | 4k | 8k | 16k | 32k | 64k | 128k |
|---|---|---|---|---|---|---|
| Q2_K | 4.3 | 4.8 | 6.0 | 8.3 | 12.9 | 22.1 |
| IQ4_XS | 5.5 | 6.1 | 7.2 | 9.5 | 14.1 | 23.3 |
| Q4_K_M | 6.0 | 6.6 | 7.7 | 10.0 | 14.6 | 23.8 |
| Q8_0 | 9.6 | 10.2 | 11.3 | 13.6 | 18.2 | 27.4 |
Llama 3.1 8B, 어떤 GPU에서 돌아갈까?
판정 읽는 법
- 쾌적
- GPU에 전부 올라가고 20 tok/s 이상
- 원활
- GPU에 전부 올라가고 8~20 tok/s, MoE 전문가를 시스템 RAM에 두고 20 tok/s 이상, 또는 GPU에 90% 이상 올라가고 8 tok/s 이상
- 겨우 가능
- 2~8 tok/s, CPU 전용, GPU에 90% 미만, 또는 MoE 전문가를 RAM에 두고 20 tok/s 미만
- 불가
- 메모리에 안 들어가거나 2 tok/s 미만
옆으로 밀면 모든 열을 볼 수 있습니다.
| 하드웨어 | 판정 | 속도 | 양자화 | 메모리 | 실행 방식 | 컨텍스트 | 참고 | 가격 |
|---|---|---|---|---|---|---|---|---|
| GeForce RTX 5090 | 쾌적상세 | 추정 209.3 tok/s184.2–234.4보정된 추정 ±12% | Q4_K_M | 7.2 / 32.0GB | 풀 GPU | 최대 128k | — | 실거래가 US$4,200 (2026-08-09 기준) |
| Radeon RX 7900 XTX | 쾌적 | 추정 124.9 tok/s109.9–139.9보정된 추정 ±12% | Q4_K_M | 7.2 / 24.0GB | 풀 GPU | 최대 64k | — | 출시가 US$999 |
| GeForce RTX 3090 Ti | 쾌적 | 추정 117.7 tok/s103.6–131.8보정된 추정 ±12% | Q4_K_M | 7.2 / 24.0GB | 풀 GPU | 최대 64k | — | 출시가 US$1,999 |
| GeForce RTX 5080 | 쾌적 | 추정 112.1 tok/s98.7–125.6보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | 실거래가 US$1,256 (2026-08-09 기준) |
| GeForce RTX 3090 | 쾌적상세 | 추정 109.3 tok/s96.2–122.4보정된 추정 ±12% | Q4_K_M | 7.2 / 24.0GB | 풀 GPU | 최대 64k | — | 실거래가 US$1,050 (2026-08-09 기준) |
| GeForce RTX 3080 12GB | 쾌적 | 추정 106.5 tok/s93.7–119.3보정된 추정 ±12% | Q4_K_M | 7.2 / 12.0GB | 풀 GPU | 최대 32k | — | 출시가 US$799 |
| GeForce RTX 5070 Ti | 쾌적 | 추정 104.6 tok/s92.1–117.2보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | 실거래가 US$949 (2026-08-09 기준) |
| GeForce RTX 5080 Laptop | 쾌적 | 추정 104.6 tok/s92.1–117.2보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | — |
| GeForce RTX 5090 Laptop | 쾌적 | 추정 104.6 tok/s92.1–117.2보정된 추정 ±12% | Q4_K_M | 7.2 / 24.0GB | 풀 GPU | 최대 64k | — | — |
| Radeon RX 7900 XT | 쾌적 | 추정 104.1 tok/s91.6–116.6보정된 추정 ±12% | Q4_K_M | 7.2 / 20.0GB | 풀 GPU | 최대 64k | — | 출시가 US$899 |
| GeForce RTX 4090 | 쾌적상세 | 91.0 tok/s8k 추정 117.7 tok/s (103.6–131.8, 보정된 추정 ±12%)실측 1건 (4k 컨텍스트) | Q4_K_M | 7.2 / 24.0GB | 풀 GPU | 최대 64k | — | 실거래가 US$2,755 (2026-08-09 기준) |
| GeForce RTX 3080 10GB | 쾌적 | 추정 88.8 tok/s78.1–99.4보정된 추정 ±12% | Q4_K_M | 7.2 / 10.0GB | 풀 GPU | 최대 16k | — | 출시가 US$699 |
| GeForce RTX 4080 Super | 쾌적 | 추정 86.0 tok/s75.6–96.3보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | 출시가 US$999 |
| Radeon RX 9070 | 쾌적 | 추정 83.9 tok/s73.9–94.0보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | 실거래가 US$639 (2026-08-09 기준) |
| Radeon RX 9070 XT | 쾌적 | 추정 83.9 tok/s73.9–94.0보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | 실거래가 US$689 (2026-08-09 기준) |
| GeForce RTX 4080 | 쾌적 | 추정 83.7 tok/s73.7–93.8보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | 출시가 US$1,199 |
| Radeon RX 7800 XT | 쾌적 | 추정 81.2 tok/s71.5–90.9보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | 출시가 US$499 |
| GeForce RTX 4070 Ti Super | 쾌적 | 추정 78.5 tok/s69.1–87.9보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | 출시가 US$799 |
| GeForce RTX 5070 | 쾌적상세 | 추정 78.5 tok/s69.1–87.9보정된 추정 ±12% | Q4_K_M | 7.2 / 12.0GB | 풀 GPU | 최대 32k | — | 실거래가 US$629 (2026-08-09 기준) |
| GeForce RTX 5070 Ti Laptop | 쾌적 | 추정 78.5 tok/s69.1–87.9보정된 추정 ±12% | Q4_K_M | 7.2 / 12.0GB | 풀 GPU | 최대 32k | — | — |
| GeForce RTX 2080 Ti | 쾌적 | 추정 71.9 tok/s63.3–80.6보정된 추정 ±12% | Q4_K_M | 7.2 / 11.0GB | 풀 GPU | 최대 32k | — | 출시가 US$999 |
| GeForce RTX 4090 Laptop | 쾌적 | 추정 67.3 tok/s59.2–75.3보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | — |
| Apple M5 Max (40-core GPU) · 48GB | 쾌적 | 추정 61.5 tok/s49.2–73.8보정된 추정 ±20% | Q4_K_M | 6.6 / 33.6GB | 통합 메모리 | 최대 64k | — | — |
| Apple M3 Ultra · 96GB | 쾌적 | 추정 60.1 tok/s48.1–72.1보정된 추정 ±20% | Q4_K_M | 6.6 / 67.2GB | 통합 메모리 | 최대 64k | — | — |
| GeForce RTX 4070 | 쾌적상세 | 추정 58.9 tok/s51.8–65.9보정된 추정 ±12% | Q4_K_M | 7.2 / 12.0GB | 풀 GPU | 최대 32k | — | 출시가 US$599 |
| GeForce RTX 4070 Super | 쾌적 | 추정 58.9 tok/s51.8–65.9보정된 추정 ±12% | Q4_K_M | 7.2 / 12.0GB | 풀 GPU | 최대 32k | — | 출시가 US$599 |
| Apple M2 Ultra · 64GB | 쾌적 | 추정 58.7 tok/s47.0–70.5보정된 추정 ±20% | Q4_K_M | 6.6 / 44.8GB | 통합 메모리 | 최대 64k | — | — |
| GeForce GTX 1080 Ti | 쾌적 | 추정 56.5 tok/s39.6–73.5이론 추정 ±30% | Q4_K_M | 7.2 / 11.0GB | 풀 GPU | 최대 32k | — | 출시가 US$699 |
| Apple M4 Max (40-core GPU) · 48GB | 쾌적 | 추정 54.7 tok/s43.7–65.6보정된 추정 ±20% | Q4_K_M | 6.6 / 33.6GB | 통합 메모리 | 최대 64k | — | — |
| GeForce RTX 3070 | 쾌적 | 추정 52.3 tok/s46.0–58.6보정된 추정 ±12% | Q4_K_M | 7.2 / 8.0GB | 풀 GPU | 최대 8k | — | 출시가 US$499 |
| GeForce RTX 5060 | 쾌적 | 추정 52.3 tok/s46.0–58.6보정된 추정 ±12% | Q4_K_M | 7.2 / 8.0GB | 풀 GPU | 최대 8k | — | 실거래가 US$339 (2026-08-09 기준) |
| GeForce RTX 5060 Ti 16GB | 쾌적상세 | 추정 52.3 tok/s46.0–58.6보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 64k | — | 실거래가 US$569 (2026-08-09 기준) |
| GeForce RTX 5060 Ti 8GB | 쾌적 | 추정 52.3 tok/s46.0–58.6보정된 추정 ±12% | Q4_K_M | 7.2 / 8.0GB | 풀 GPU | 최대 8k | — | 실거래가 US$429 (2026-08-09 기준) |
| GeForce RTX 3060 12GB | 쾌적상세 | 51.6 tok/s8k 추정 42.0 tok/s (37.0–47.1, 보정된 추정 ±12%)실측 1건 (4k 컨텍스트) | Q4_K_M | 7.2 / 12.0GB | 풀 GPU | 최대 32k | — | 실거래가 US$250 (2026-08-09 기준) |
| GeForce RTX 4080 Laptop | 쾌적 | 추정 50.5 tok/s44.4–56.5보정된 추정 ±12% | Q4_K_M | 7.2 / 12.0GB | 풀 GPU | 최대 32k | — | — |
| Apple M5 Max (32-core GPU) · 36GB | 쾌적 | 추정 46.0 tok/s36.8–55.3보정된 추정 ±20% | Q4_K_M | 6.6 / 25.2GB | 통합 메모리 | 최대 64k | — | — |
| Intel Arc B580 | 쾌적 | 추정 44.9 tok/s35.9–53.9보정된 추정 ±20% | Q4_K_M | 7.2 / 12.0GB | 풀 GPU | 최대 32k | — | 실거래가 US$290 (2026-08-09 기준) |
| Radeon RX 9060 XT 16GB | 쾌적 | 추정 41.9 tok/s36.9–46.9보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 32k | — | 실거래가 US$449 (2026-08-09 기준) |
| Apple M4 Max (32-core GPU) · 36GB | 쾌적 | 추정 41.0 tok/s32.8–49.3보정된 추정 ±20% | Q4_K_M | 6.6 / 25.2GB | 통합 메모리 | 최대 32k | — | — |
| GeForce RTX 4060 | 쾌적상세 | 38.1 tok/s8k 추정 31.8 tok/s (28.0–35.6, 보정된 추정 ±12%)실측 1건 (4k 컨텍스트) | Q4_K_M | 7.2 / 8.0GB | 풀 GPU | 최대 8k | — | 출시가 US$299 |
| GeForce RTX 4060 Ti 16GB | 쾌적 | 추정 33.6 tok/s29.6–37.7보정된 추정 ±12% | Q4_K_M | 7.2 / 16.0GB | 풀 GPU | 최대 32k | — | 출시가 US$499 |
| GeForce RTX 4060 Ti 8GB | 쾌적 | 추정 33.6 tok/s29.6–37.7보정된 추정 ±12% | Q4_K_M | 7.2 / 8.0GB | 풀 GPU | 최대 8k | — | 출시가 US$399 |
| Apple M5 Pro · 24GB | 쾌적 | 추정 30.7 tok/s24.6–36.9보정된 추정 ±20% | Q4_K_M | 6.6 / 16.8GB | 통합 메모리 | 최대 16k | — | — |
| GeForce RTX 4060 Laptop | 쾌적 | 추정 29.9 tok/s26.3–33.5보정된 추정 ±12% | Q4_K_M | 7.2 / 8.0GB | 풀 GPU | 최대 8k | — | — |
| GeForce RTX 4070 Laptop | 쾌적 | 추정 29.9 tok/s26.3–33.5보정된 추정 ±12% | Q4_K_M | 7.2 / 8.0GB | 풀 GPU | 최대 8k | — | — |
| Ryzen AI Max+ 395 (Strix Halo) · 32GB | 쾌적 | 추정 27.8 tok/s22.2–33.3보정된 추정 ±20% | Q4_K_M | 6.6 / 22.4GB | 통합 메모리 | 최대 16k | — | 출시가 US$1,999 |
| Apple M4 Pro · 24GB | 쾌적상세 | 추정 27.3 tok/s21.9–32.8보정된 추정 ±20% | Q4_K_M | 6.6 / 16.8GB | 통합 메모리 | 최대 16k | — | — |
| GeForce RTX 3050 8GB | 쾌적 | 추정 26.2 tok/s23.0–29.3보정된 추정 ±12% | Q4_K_M | 7.2 / 8.0GB | 풀 GPU | 최대 8k | — | 출시가 US$249 |
| NVIDIA DGX Spark · 128GB | 원활 | 추정 18.2 tok/s14.6–21.9보정된 추정 ±20% | Q4_K_M | 6.6 / 89.6GB | 통합 메모리 | 최대 64k |
| 출시가 US$3,999 |
| Apple M5 · 16GB | 원활 | 추정 15.4 tok/s12.3–18.5보정된 추정 ±20% | Q4_K_M | 6.6 / 11.2GB | 통합 메모리 | 최대 32k |
| — |
| Apple M4 · 16GB | 원활상세 | 추정 12.0 tok/s9.6–14.4보정된 추정 ±20% | Q4_K_M | 6.6 / 11.2GB | 통합 메모리 | 최대 16k | — | — |
| DDR5-6000 듀얼채널 CPU · 16GB | 겨우 가능 | 추정 8.0 tok/s6.4–9.6보정된 추정 ±20% | Q4_K_M | RAM 6.0GB | CPU 전용 | 최대 32k |
| — |
| DDR5-5600 듀얼채널 CPU · 16GB | 겨우 가능 | 추정 7.5 tok/s6.0–9.0보정된 추정 ±20% | Q4_K_M | RAM 6.0GB | CPU 전용 | 최대 32k | — | — |
| DDR4-3200 듀얼채널 CPU · 16GB | 겨우 가능 | 추정 4.3 tok/s3.4–5.1보정된 추정 ±20% | Q4_K_M | RAM 6.0GB | CPU 전용 | 최대 32k | — | — |
가장 싸게 돌릴 수 있는 GPU
- 쾌적GeForce RTX 3060 12GB실거래가 US$250 (2026-08-09 기준), 속도 실측 51.6 tok/s (4k 컨텍스트, 1건; 8k 추정 42.0 tok/s, 37.0–47.1, 보정된 추정 ±12%)
Llama 3.1 8B 벤치마크 결과
보정에 쓰는 공개 벤치마크입니다. 측정 조건(컨텍스트·백엔드·플래그)은 위 추정과 다를 수 있습니다.
| 하드웨어 | 양자화 | 백엔드 | 컨텍스트 | 프롬프트 (tok/s) | 생성 (tok/s) | 플래그 | 출처 | 측정일 |
|---|---|---|---|---|---|---|---|---|
| GeForce RTX 4090 | Q4_K_M | llama.cpp | 4k | 6,697.0 | 91.0 | ctx-weighted | localscore.ai | 2026-08-09 |
| GeForce RTX 4060 | Q4_K_M | llama.cpp | 4k | 1,528.0 | 38.1 | ctx-weighted | localscore.ai | 2026-08-09 |
| GeForce RTX 3060 12GB | Q4_K_M | llama.cpp | 4k | 1,488.0 | 51.6 | ctx-weighted | localscore.ai | 2026-08-09 |
자주 묻는 질문
Llama 3.1 8B 실행에 VRAM이 얼마나 필요한가요?
Q4_K_M 기준으로 가중치가 4.92GB이고, 8k 컨텍스트까지 더하면 약 6.6GB가 필요합니다(KV 캐시 1.1GB, 연산 버퍼 0.6GB). 가장 작은 파일(Q2_K (품질 손실 큼))은 약 4.8GB가 필요합니다.
Llama 3.1 8B, 원활하게 돌아가는 가장 싼 GPU는 무엇인가요?
쾌적하게 돌리는 가장 싼 GPU는 GeForce RTX 3060 12GB입니다. 실거래가는 US$250(2026-08-09 기준)이고, 속도는 실측 51.6 tok/s (4k 컨텍스트, 1건; 8k 추정 42.0 tok/s, 37.0–47.1, 보정된 추정 ±12%)입니다.
Llama 3.1 8B, 8GB·16GB·24GB GPU에서 돌아가나요?
Q4_K_M·8k 컨텍스트 기준 카드별 판정입니다. GeForce RTX 4060: 쾌적, 실측 38.1 tok/s (4k 컨텍스트, 1건; 8k 추정 31.8 tok/s, 28.0–35.6, 보정된 추정 ±12%); GeForce RTX 5060 Ti 16GB: 쾌적, 추정 52.3 tok/s (46.0–58.6, 보정된 추정 ±12%); GeForce RTX 3090: 쾌적, 추정 109.3 tok/s (96.2–122.4, 보정된 추정 ±12%).
속도는 메모리 대역폭으로 계산한 추정치를 공개 벤치마크로 보정한 값입니다. 모든 수치에는 오차 범위와 신뢰 라벨을 함께 표시합니다. 실제 속도는 드라이버, 백엔드, 컨텍스트 길이, 발열에 따라 달라집니다.