Llama 3.2 Vision — lokalny model AI od Meta
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Multimodalne rozszerzenie Meta Llama 3.2 z enkoderem wizji do rozumienia obrazów. Wersja 11B działa na jednym GPU 8–12 GB VRAM. Obsługuje analizę obrazów, OCR, odczytywanie wykresów i wizualne pytania-odpowiedzi.
Warianty
Najmniejszy wariant Llama 3.2 Vision potrzebuje około 7 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| Llama 3.2 Vision 11B → 11B | ~7.2 GB | 128,000 | ollama run llama3.2-vision:11b | |
| Llama 3.2 Vision 90B → 90B | ~54.4 GB | 128,000 | ollama run llama3.2-vision:90b |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić Llama 3.2 Vision lokalnie
Zainstaluj Ollama, a potem pobierz tag.
ollama run llama3.2-vision:11bWybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Licencja
Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.
Dotyczy: Llama 3.2 Vision 11B, Llama 3.2 Vision 90BPolecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi Llama 3.2 Vision lokalnie (min. 7 GB VRAM), to Intel Arc B570 (10 GB).
Czy uruchomię Llama 3.2 Vision na moim GPU?
- Llama 3.2 Vision na AMD Radeon RX 9060 XT 8GB
- Llama 3.2 Vision na AMD Ryzen AI Max+ 395
- Llama 3.2 Vision na Apple M1 Ultra
- Llama 3.2 Vision na Apple M2 Max
- Llama 3.2 Vision na Apple M4 Max
- Llama 3.2 Vision na Apple M5 Max
- Llama 3.2 Vision na Intel Arc B570
- Llama 3.2 Vision na Intel Arc B580
- Llama 3.2 Vision na NVIDIA A100 80GB (PCIe)
- Llama 3.2 Vision na NVIDIA DGX Spark
- Llama 3.2 Vision na NVIDIA GeForce RTX 3060 (12GB)
- Llama 3.2 Vision na NVIDIA GeForce RTX 3070
- Llama 3.2 Vision na NVIDIA GeForce RTX 3070 Ti
- Llama 3.2 Vision na NVIDIA GeForce RTX 3080 (10GB)
- Llama 3.2 Vision na NVIDIA GeForce RTX 4060
- Llama 3.2 Vision na NVIDIA GeForce RTX 4070
- Llama 3.2 Vision na NVIDIA GeForce RTX 4070 Super
- Llama 3.2 Vision na NVIDIA GeForce RTX 4070 Ti
- Llama 3.2 Vision na NVIDIA GeForce RTX 5060
- Llama 3.2 Vision na NVIDIA GeForce RTX 5060 Ti 8GB
- Llama 3.2 Vision na NVIDIA GeForce RTX 5070
- Llama 3.2 Vision na NVIDIA H100 80GB (PCIe)
- Llama 3.2 Vision na NVIDIA RTX PRO 6000 Blackwell
Llama 3.2 Vision — najczęściej zadawane pytania
How much VRAM does Llama 3.2 Vision need?
Llama 3.2 Vision needs about 7 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Llama 3.2 Vision 11B (7 GB, Q4_K_M); Llama 3.2 Vision 90B (54 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Llama 3.2 Vision on an RTX 4090 (24 GB)?
Yes — Llama 3.2 Vision 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 Llama 3.2 Vision?
Q4_K_M is the best balance of quality and VRAM for Llama 3.2 Vision 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 Llama 3.2 Vision with Ollama?
Install Ollama, then run: ollama run llama3.2-vision:11b. This downloads Llama 3.2 Vision and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.