Llama 3.3 70B 硬件要求
模型信息
- 参数量
- 70.6B
- 注意力机制
- 全注意力
- 最大上下文
- 131,072 个 token
- 发布日期
- 2024-12-06
GGUF 文件
| 量化 | 文件大小 | 质量 | 发布者 |
|---|---|---|---|
| IQ2_M | 24.12 GB | 损失严重 | 社区 GGUF · bartowski |
| Q2_K | 26.38 GB | 损失严重 | 社区 GGUF · bartowski |
| IQ4_XS | 37.90 GB | 均衡 | 社区 GGUF · bartowski |
| Q4_K_M基准 | 42.52 GB | 均衡 | 社区 GGUF · bartowski |
| Q8_0 | 74.98 GB | 近乎无损 | 社区 GGUF · bartowski |
不同量化和上下文所需的显存
| 量化 | 4k | 8k | 16k | 32k | 64k | 128k |
|---|---|---|---|---|---|---|
| IQ2_M | 25.5 | 26.9 | 29.7 | 35.2 | 46.2 | 68.3 |
| Q2_K | 27.9 | 29.3 | 32.0 | 37.6 | 48.6 | 70.7 |
| IQ4_XS | 39.2 | 40.6 | 43.3 | 48.9 | 59.9 | 82.0 |
| Q4_K_M | 43.8 | 45.2 | 47.9 | 53.5 | 64.5 | 86.6 |
| Q8_0 | 75.7 | 77.1 | 79.9 | 85.4 | 96.4 | 118.5 |
哪些 GPU 能跑 Llama 3.3 70B？
判定说明
- 运行流畅
- 全部载入显卡，且达到 20 tok/s 及以上
- 运行良好
- 全部载入显卡且为 8–20 tok/s；MoE 专家放在系统内存且达到 20 tok/s 及以上；或至少 90% 载入显卡且达到 8 tok/s 及以上
- 运行较慢
- 2–8 tok/s；纯 CPU；载入显卡不足 90%；或 MoE 专家放在系统内存且低于 20 tok/s
- 无法运行
- 内存装不下，或低于 2 tok/s
稠密模型分摊在 GPU 和 CPU 上运行时，速度会大幅下降，整体速度由 CPU 那一侧决定。只把专家放在系统内存的 MoE 模型，速度下降要温和得多。
左右滑动可查看所有列。
| 硬件 | 判定 | 速度 | 量化 | 显存/内存 | 运行方式 | 上下文 | 备注 | 价格 |
|---|---|---|---|---|---|---|---|---|
| Apple M5 Ultra · 96 GB | 运行良好 | 估算 15.5 tok/s12.4–18.6校准估算 ±20% | Q4_K_M | 45.8 / 67.2 GB | 统一内存 | 最长 64k |
| — |
| Apple M3 Ultra · 96 GB | 运行良好 | 14.4 tok/s8k 估算 10.3 tok/s（8.3–12.4，校准估算 ±20%）实测（1 次，512 上下文） | Q4_K_M | 45.8 / 67.2 GB | 统一内存 | 最长 32k | — | — |
| Apple M5 Max (40-core GPU) · 128 GB | 运行良好 | 估算 10.3 tok/s8.3–12.4校准估算 ±20% | Q4_K_M | 45.8 / 89.6 GB | 统一内存 | 最长 32k | — | — |
| Apple M2 Ultra · 128 GB | 运行良好 | 估算 10.1 tok/s8.1–12.1校准估算 ±20% | Q4_K_M | 45.8 / 89.6 GB | 统一内存 | 最长 32k | — | — |
| Apple M4 Max (40-core GPU) · 128 GB | 运行良好 | 估算 9.2 tok/s7.3–11.0校准估算 ±20% | Q4_K_M | 45.8 / 89.6 GB | 统一内存 | 最长 16k | — | — |
| NVIDIA DGX Spark · 64 GB | 运行较慢 | 4.7 tok/s8k 估算 4.7 tok/s（3.8–5.7，校准估算 ±20%）实测（2 次，512 上下文） | Q4_K_M | 45.8 / 48.2 GB | 统一内存 | 最长 8k | — | 首发价 US$3,999（128 GB） |
| Apple M5 Pro · 64 GB | 运行较慢 | 估算 3.4 tok/s2.4–4.4理论估算 ±30% | Q4_K_M | 45.2 GB 内存 | 纯 CPU | 最长 32k |
| — |
| Apple M4 Pro · 64 GB | 运行较慢 | 估算 3.0 tok/s2.1–3.9理论估算 ±30% | Q4_K_M | 45.2 GB 内存 | 纯 CPU | 最长 32k | — | — |
| Ryzen AI Max+ 395 (Strix Halo) · 64 GB | 运行较慢 | 估算 2.8 tok/s2.0–3.7理论估算 ±30% | Q4_K_M | 45.2 GB 内存 | 纯 CPU | 最长 32k | — | 首发价 US$1,999（128 GB） |
| GeForce RTX 5090 | 运行较慢 | 估算 2.7 tok/s2.2–3.3校准估算 ±20% | Q4_K_M | 32.0 / 32.0 GB + 14.4 GB 内存 | 部分卸载 | 最长 16k |
| 市场价 US$4,200（截至 2026-08-09） |
| Apple M5 Max (32-core GPU) · 36 GB | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 7.9 tok/s5.5–10.3理论估算 ±30% | Q2_K | 29.1 GB 内存 | 纯 CPU | 最长 16k | — | — |
| Apple M4 Max (32-core GPU) · 36 GB | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 7.1 tok/s4.9–9.2理论估算 ±30% | Q2_K | 29.1 GB 内存 | 纯 CPU | 最长 16k | — | — |
| Radeon RX 7900 XT | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 3.6 tok/s2.8–4.3校准估算 ±20% | Q2_K | 20.0 / 20.0 GB + 10.2 GB 内存 | 部分卸载 | 最长 16k | — | 首发价 US$899 |
| Apple M6 · 32 GB | 无法运行改用 IQ2_M（质量损失大）：运行较慢 | 估算 3.2 tok/s2.2–4.1理论估算 ±30% | IQ2_M | 26.8 GB 内存 | 纯 CPU | 最长 8k | — | — |
| Apple M5 · 32 GB | 无法运行改用 IQ2_M（质量损失大）：运行较慢 | 估算 2.9 tok/s2.0–3.7理论估算 ±30% | IQ2_M | 26.8 GB 内存 | 纯 CPU | 最长 8k | — | — |
| GeForce RTX 5080 | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.7 tok/s2.2–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | 市场价 US$1,256（截至 2026-08-09） |
| GeForce RTX 5070 Ti | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.7 tok/s2.2–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | 市场价 US$949（截至 2026-08-09） |
| GeForce RTX 5080 Laptop | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.7 tok/s2.2–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | — |
| GeForce RTX 4080 Super | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.7 tok/s2.1–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | 首发价 US$999 |
| GeForce RTX 4080 | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.7 tok/s2.1–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | 首发价 US$1,199 |
| Radeon RX 9070 | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.6 tok/s2.1–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | 市场价 US$639（截至 2026-08-09） |
| Radeon RX 9070 XT | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.6 tok/s2.1–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | 市场价 US$689（截至 2026-08-09） |
| Radeon RX 7800 XT | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.6 tok/s2.1–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | 首发价 US$499 |
| GeForce RTX 4070 Ti Super | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.6 tok/s2.1–3.2校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | 首发价 US$799 |
| GeForce RTX 4090 Laptop | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.6 tok/s2.1–3.1校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | — |
| GeForce RTX 5060 Ti 16GB | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.5 tok/s2.0–3.1校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 16k | — | 市场价 US$569（截至 2026-08-09） |
| Radeon RX 9060 XT 16GB | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.5 tok/s2.0–3.0校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 8k | — | 市场价 US$449（截至 2026-08-09） |
| GeForce RTX 4060 Ti 16GB | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.4 tok/s1.9–2.9校准估算 ±20% | Q2_K | 16.0 / 16.0 GB + 14.2 GB 内存 | 部分卸载 | 最长 8k | — | 首发价 US$499 |
| Apple M4 · 32 GB | 无法运行改用 IQ2_M（质量损失大）：运行较慢 | 估算 2.2 tok/s1.6–2.9理论估算 ±30% | IQ2_M | 26.8 GB 内存 | 纯 CPU | 最长 8k | — | — |
| Radeon RX 7900 XTX | 无法运行改用 IQ4_XS：运行较慢 | 估算 2.2 tok/s1.8–2.6校准估算 ±20% | IQ4_XS | 24.0 / 24.0 GB + 17.8 GB 内存 | 部分卸载 | 最长 8k | — | 首发价 US$999 |
| GeForce RTX 3090 Ti | 无法运行改用 IQ4_XS：运行较慢 | 估算 2.2 tok/s1.8–2.6校准估算 ±20% | IQ4_XS | 24.0 / 24.0 GB + 17.8 GB 内存 | 部分卸载 | 最长 8k | — | 首发价 US$1,999 |
| GeForce RTX 4090 | 无法运行改用 IQ4_XS：运行较慢 | 估算 2.2 tok/s1.8–2.6校准估算 ±20% | IQ4_XS | 24.0 / 24.0 GB + 17.8 GB 内存 | 部分卸载 | 最长 8k | — | 市场价 US$2,755（截至 2026-08-09） |
| GeForce RTX 3090 | 无法运行改用 IQ4_XS：运行较慢 | 估算 2.2 tok/s1.7–2.6校准估算 ±20% | IQ4_XS | 24.0 / 24.0 GB + 17.8 GB 内存 | 部分卸载 | 最长 8k | — | 市场价 US$1,050（截至 2026-08-09） |
| GeForce RTX 3080 10GB | 无法运行改用 IQ2_M（质量损失大）：运行较慢 | 估算 2.2 tok/s1.7–2.6校准估算 ±20% | IQ2_M | 10.0 / 10.0 GB + 18.0 GB 内存 | 部分卸载 | 最长 8k | — | 首发价 US$699 |
| GeForce RTX 5090 Laptop | 无法运行改用 IQ4_XS：运行较慢 | 估算 2.2 tok/s1.7–2.6校准估算 ±20% | IQ4_XS | 24.0 / 24.0 GB + 17.8 GB 内存 | 部分卸载 | 最长 8k | — | — |
| GeForce RTX 3080 12GB | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.2 tok/s1.7–2.6校准估算 ±20% | Q2_K | 12.0 / 12.0 GB + 18.2 GB 内存 | 部分卸载 | 最长 8k | — | 首发价 US$799 |
| GeForce RTX 5070 | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.1 tok/s1.7–2.6校准估算 ±20% | Q2_K | 12.0 / 12.0 GB + 18.2 GB 内存 | 部分卸载 | 最长 8k | — | 市场价 US$629（截至 2026-08-09） |
| GeForce RTX 5070 Ti Laptop | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.1 tok/s1.7–2.6校准估算 ±20% | Q2_K | 12.0 / 12.0 GB + 18.2 GB 内存 | 部分卸载 | 最长 8k | — | — |
| GeForce RTX 4070 | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.1 tok/s1.7–2.5校准估算 ±20% | Q2_K | 12.0 / 12.0 GB + 18.2 GB 内存 | 部分卸载 | 最长 8k | — | 首发价 US$599 |
| GeForce RTX 4070 Super | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.1 tok/s1.7–2.5校准估算 ±20% | Q2_K | 12.0 / 12.0 GB + 18.2 GB 内存 | 部分卸载 | 最长 8k | — | 首发价 US$599 |
| GeForce RTX 4080 Laptop | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.1 tok/s1.7–2.5校准估算 ±20% | Q2_K | 12.0 / 12.0 GB + 18.2 GB 内存 | 部分卸载 | 最长 8k | — | — |
| Intel Arc B580 | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.1 tok/s1.7–2.5校准估算 ±20% | Q2_K | 12.0 / 12.0 GB + 18.2 GB 内存 | 部分卸载 | 最长 8k | — | 市场价 US$290（截至 2026-08-09） |
| GeForce RTX 3060 12GB | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.1 tok/s1.7–2.5校准估算 ±20% | Q2_K | 12.0 / 12.0 GB + 18.2 GB 内存 | 部分卸载 | 最长 8k | — | 市场价 US$250（截至 2026-08-09） |
| GeForce RTX 2080 Ti | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.0 tok/s1.6–2.4校准估算 ±20% | Q2_K | 11.0 / 11.0 GB + 19.2 GB 内存 | 部分卸载 | 最长 8k | — | 首发价 US$999 |
| GeForce GTX 1080 Ti | 无法运行改用 Q2_K（质量损失大）：运行较慢 | 估算 2.0 tok/s1.4–2.6理论估算 ±30% | Q2_K | 11.0 / 11.0 GB + 19.2 GB 内存 | 部分卸载 | 最长 8k | — | 首发价 US$699 |
| DDR5-6000 双通道 CPU · 96 GB | 无法运行 | 估算 1.1 tok/s0.8–1.3校准估算 ±20% | Q4_K_M | 45.2 GB 内存 | 纯 CPU | — |
| — |
| DDR5-5600 双通道 CPU · 96 GB | 无法运行 | 估算 1.0 tok/s0.8–1.2校准估算 ±20% | Q4_K_M | 45.2 GB 内存 | 纯 CPU | — |
| — |
| DDR4-3200 双通道 CPU · 64 GB | 无法运行 | 估算 0.6 tok/s0.5–0.7校准估算 ±20% | Q4_K_M | 45.2 GB 内存 | 纯 CPU | — |
| — |
| GeForce RTX 3050 8GB | 无法运行 | — | Q4_K_M | 需要 45.2 GB | — | — |
| 首发价 US$249 |
| GeForce RTX 3070 | 无法运行 | — | Q4_K_M | 需要 45.2 GB | — | — |
| 首发价 US$499 |
| GeForce RTX 4060 | 无法运行 | — | Q4_K_M | 需要 45.2 GB | — | — |
| 首发价 US$299 |
| GeForce RTX 4060 Laptop | 无法运行 | — | Q4_K_M | 需要 45.2 GB | — | — |
| — |
| GeForce RTX 4060 Ti 8GB | 无法运行 | — | Q4_K_M | 需要 45.2 GB | — | — |
| 首发价 US$399 |
| GeForce RTX 4070 Laptop | 无法运行 | — | Q4_K_M | 需要 45.2 GB | — | — |
| — |
| GeForce RTX 5060 | 无法运行 | — | Q4_K_M | 需要 45.2 GB | — | — |
| 市场价 US$339（截至 2026-08-09） |
| GeForce RTX 5060 Ti 8GB | 无法运行 | — | Q4_K_M | 需要 45.2 GB | — | — |
| 市场价 US$429（截至 2026-08-09） |
能运行它的最便宜 GPU
在有当前市场价的 GPU 中，没有一款能在 Q4_K_M 下达到“运行流畅”或“运行良好”。Mac、统一内存 PC 和 CPU 配置请看上方表格。
Llama 3.3 70B 的实测结果
我们用于校准的公开基准测试。它们的测试条件（上下文、后端、运行参数）可能与上方的估算不同。
| 硬件 | 量化 | 后端 | 上下文 | 提示词处理（tok/s） | 生成（tok/s） | 运行参数 | 来源 | 测量日期 |
|---|---|---|---|---|---|---|---|---|
| Apple M3 Max 128GB | Q4_K_M | ollama | 2k | — | 9.8 | — | heyuan110.com | 2026-04-14 |
| NVIDIA DGX Spark | Q4_K_M | llama.cpp | 512 | 284.0 | 4.7 | CUDA, Vulkan | github.com | 2025-11-22 |
| NVIDIA DGX Spark | Q4_K_M | llama.cpp | 512 | — | 4.6 | CUDA | github.com | 2026-08-12 |
| NVIDIA DGX Spark | Q8_0 | llama.cpp | 512 | — | 2.9 | CUDA | github.com | 2026-08-12 |
| NVIDIA DGX Spark | Q2_K | llama.cpp | 512 | — | 7.2 | CUDA | github.com | 2026-08-12 |
| Apple M3 Ultra | Q4_K_M | llama.cpp | 512 | 162.0 | 14.4 | Metal | github.com | 2025-12-10 |
常见问题
Llama 3.3 70B 需要多少显存？
Q4_K_M 文件为 42.52 GB；在 8k 上下文下，显卡约需 45.2 GB（权重 41.92 GB、KV 缓存 2.7 GB、计算缓冲区 0.6 GB）。已收录的最小文件（IQ2_M（质量损失大））约需 26.9 GB。 文件的一部分不会放到显卡上：llama.cpp 把输入嵌入表保留在系统内存中。Mac 按整个文件计算，所以需要的内存稍多一些。
能让 Llama 3.3 70B 运行良好的最便宜 GPU 是哪款？
在有当前市场价的 GPU 中，没有一款能在 Q4_K_M 下达到“运行流畅”或“运行良好”。已收录的最佳选择是 Apple M5 Ultra · 96 GB：运行良好。
Llama 3.3 70B 能在 8 GB、16 GB 或 24 GB 的 GPU 上运行吗？
Q4_K_M、8k 上下文下：GeForce RTX 4060：无法运行; GeForce RTX 5060 Ti 16GB：无法运行; GeForce RTX 3090：无法运行，估算 1.8 tok/s（1.4–2.1，校准估算 ±20%）。
速度是根据内存带宽得出的估算值，并用公开基准测试结果校准，每个数值都附有误差范围和可信度标签。实际结果会因驱动、后端、上下文长度和散热情况而有所不同。