Llama 3.2 11B Vision Instruct — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Meta's first open multimodal model. Understands images and text together — describe photos, analyze charts, read documents. Runs on 8GB+ VRAM GPUs. Listed in full on the dedicated Llama 3.2 Vision page, which is the canonical entry for this model and carries the install command.
Llama 3.2 11B Vision Instruct potrzebuje około 7 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Obejmuje pamięć podręczną KV przy kontekście 8K, więc wartości są wyższe niż główna liczba.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 5.6 GB | ~129 tok/s | Mieści się | |
| Q3_K_M 3.41 bpw | 6.7 GB | ~110 tok/s | Mieści się | |
| Q4_K_M 4.83 bpw | 8.5 GB | ~86 tok/s | Mieści się | |
| Q5_K_M 5.67 bpw | 9.7 GB | ~77 tok/s | Mieści się | |
| Q6_K 6.56 bpw | 10.8 GB | ~68 tok/s | Mieści się | |
| Q8_0 8.50 bpw | 13.4 GB | ~55 tok/s | Mieści się | |
| F16 16.00 bpw | 23.3 GB | ~32 tok/s | Na styk |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Llama 3.2 11B Vision Instruct →
Uruchom Llama 3.2 11B Vision Instruct
Najtańsze GPU z naszego katalogu, które uruchomi Llama 3.2 11B Vision Instruct, to Intel Arc B570 (10 GB).
lub porównaj w Vast.ai od $0.35/godz. (typical low · varies)
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić Llama 3.2 11B Vision Instruct
Zainstaluj Ollama, a potem uruchom:
ollama run llama-3-2Specyfikacja
Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.
- Parametry
- 11 Billion
- Okno kontekstu
- 128,000
- Architektura
- Dense + Vision Encoder
- Dostawca
- Meta
- Licencja
- Llama Community
- Practical deployment
- Laptop
- Określono przy
- Q4_K_M
- RAM systemowy
- 16 GB
- Rekord zaktualizowany
- 2026-08-15
Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
Czy uruchomię Llama 3.2 11B Vision Instruct na moim GPU?
- Llama 3.2 11B Vision Instruct na AMD Radeon RX 9060 XT 8GB
- Llama 3.2 11B Vision Instruct na AMD Ryzen AI Max+ 395
- Llama 3.2 11B Vision Instruct na Apple M1 Ultra
- Llama 3.2 11B Vision Instruct na Apple M2 Max
- Llama 3.2 11B Vision Instruct na Apple M4 Max
- Llama 3.2 11B Vision Instruct na Apple M5 Max
- Llama 3.2 11B Vision Instruct na Intel Arc B570
- Llama 3.2 11B Vision Instruct na Intel Arc B580
- Llama 3.2 11B Vision Instruct na NVIDIA A100 80GB (PCIe)
- Llama 3.2 11B Vision Instruct na NVIDIA DGX Spark
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 3060 (12GB)
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 3070
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 3070 Ti
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 3080 (10GB)
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 4060
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 4070
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 4070 Super
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 4070 Ti
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 5060
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 5060 Ti 8GB
- Llama 3.2 11B Vision Instruct na NVIDIA GeForce RTX 5070
- Llama 3.2 11B Vision Instruct na NVIDIA H100 80GB (PCIe)
- Llama 3.2 11B Vision Instruct na NVIDIA RTX PRO 6000 Blackwell
Inne rozmiary Llama 3.2 Family
Llama 3.2 11B Vision Instruct — najczęściej zadawane pytania
How much VRAM does Llama 3.2 11B Vision Instruct need?
About 7 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Llama 3.2 11B Vision Instruct run on an RTX 4090 (24 GB)?
Yes. Llama 3.2 11B Vision Instruct needs about 7 GB at Q4_K_M, inside a 24 GB card, at an estimated 86 tokens/sec.
How do I run Llama 3.2 11B Vision Instruct locally?
Install Ollama and run `ollama run llama-3-2`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.
What other sizes does Llama 3.2 Family come in?
Llama 3.2 1B Instruct (2 GB), Llama 3.2 3B Instruct (3 GB), Llama 3.2 11B Vision Instruct (7 GB), Llama 3.2 90B Vision Instruct (54 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.