InternLM 3 — lokalny model AI od Shanghai AI Lab
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Potężny model open-source z Shanghai AI Lab. InternLM 3 wyróżnia się w zadaniach dwujęzycznych chińsko-angielskich, kodowaniu i analizie długich dokumentów. Szczególnie mocny w matematyce i rozumowaniu STEM.
Warianty
Najmniejszy wariant InternLM 3 potrzebuje około 6 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| InternLM 3 8B Instruct → 8B | ~6.1 GB | 32,768 | ollama run internlm3:8b | |
| InternLM 3 20B Instruct → 20B | ~12.9 GB | 32,768 | ollama run internlm3:20b |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić InternLM 3 lokalnie
Zainstaluj Ollama, a potem pobierz tag.
ollama run internlm3:8bWybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Licencja
Commercial use permitted. No usage restrictions beyond attribution.
Dotyczy: InternLM 3 8B Instruct, InternLM 3 20B InstructPolecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi InternLM 3 lokalnie (min. 6 GB VRAM), to Intel Arc B570 (10 GB).
Czy uruchomię InternLM 3 na moim GPU?
- InternLM 3 na AMD Radeon RX 7800 XT
- InternLM 3 na AMD Radeon RX 7900 XT
- InternLM 3 na AMD Radeon RX 7900 XTX
- InternLM 3 na AMD Radeon RX 9060 XT 16GB
- InternLM 3 na AMD Radeon RX 9060 XT 8GB
- InternLM 3 na AMD Radeon RX 9070
- InternLM 3 na AMD Radeon RX 9070 XT
- InternLM 3 na Apple M2
- InternLM 3 na Apple M3
- InternLM 3 na Apple M4 Pro
- InternLM 3 na Intel Arc B570
- InternLM 3 na Intel Arc B580
- InternLM 3 na NVIDIA GeForce RTX 3060 (12GB)
- InternLM 3 na NVIDIA GeForce RTX 3070
- InternLM 3 na NVIDIA GeForce RTX 3070 Ti
- InternLM 3 na NVIDIA GeForce RTX 3080 (10GB)
- InternLM 3 na NVIDIA GeForce RTX 3090
- InternLM 3 na NVIDIA GeForce RTX 4060
- InternLM 3 na NVIDIA GeForce RTX 4060 Ti 16GB
- InternLM 3 na NVIDIA GeForce RTX 4070
- InternLM 3 na NVIDIA GeForce RTX 4070 Super
- InternLM 3 na NVIDIA GeForce RTX 4070 Ti
- InternLM 3 na NVIDIA GeForce RTX 4070 Ti Super
- InternLM 3 na NVIDIA GeForce RTX 4080
- InternLM 3 na NVIDIA GeForce RTX 4080 Super
- InternLM 3 na NVIDIA GeForce RTX 4090
- InternLM 3 na NVIDIA GeForce RTX 5060
- InternLM 3 na NVIDIA GeForce RTX 5060 Ti 16GB
- InternLM 3 na NVIDIA GeForce RTX 5060 Ti 8GB
- InternLM 3 na NVIDIA GeForce RTX 5070
- InternLM 3 na NVIDIA GeForce RTX 5070 Ti
- InternLM 3 na NVIDIA GeForce RTX 5080
InternLM 3 — najczęściej zadawane pytania
How much VRAM does InternLM 3 need?
InternLM 3 needs about 6 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: InternLM 3 8B Instruct (6 GB, Q4_K_M); InternLM 3 20B Instruct (13 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run InternLM 3 on an RTX 4090 (24 GB)?
Yes — InternLM 3 runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.
What quantization should I use for InternLM 3?
Q4_K_M is the best balance of quality and VRAM for InternLM 3 in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run InternLM 3 with Ollama?
Install Ollama, then run: ollama run internlm3:8b. This downloads InternLM 3 and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.