Llama 3.2 90B Vision Instruct — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
The flagship open vision model. Near GPT-4V quality for image understanding. Requires 48GB+ VRAM or multi-GPU setup. 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 90B Vision Instruct potrzebuje około 54 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 | 33.3 GB | ~3 tok/s | Częściowo w RAM | |
| Q3_K_M 3.41 bpw | 42 GB | ~3 tok/s | Częściowo w RAM | |
| Q4_K_M 4.83 bpw | 57.8 GB | — | Za duży | |
| Q5_K_M 5.67 bpw | 67.1 GB | — | Za duży | |
| Q6_K 6.56 bpw | 77 GB | — | Za duży | |
| Q8_0 8.50 bpw | 98.5 GB | — | Za duży | |
| F16 16.00 bpw | 181.8 GB | — | Za duży |
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 90B Vision Instruct →
Uruchom Llama 3.2 90B Vision Instruct
Najtańsze GPU z naszego katalogu, które uruchomi Llama 3.2 90B Vision Instruct, to NVIDIA DGX Spark (128 GB).
lub porównaj w Vast.ai od $0.77/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 90B 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
- 90 Billion
- Okno kontekstu
- 128,000
- Architektura
- Dense + Vision Encoder
- Dostawca
- Meta
- Licencja
- Llama Community
- Practical deployment
- Workstation (large unified memory or pro GPU)
- Określono przy
- Q4_K_M
- RAM systemowy
- 128 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 90B Vision Instruct na moim GPU?
- Llama 3.2 90B Vision Instruct na AMD Radeon RX 9060 XT 8GB
- Llama 3.2 90B Vision Instruct na AMD Ryzen AI Max+ 395
- Llama 3.2 90B Vision Instruct na Apple M1 Ultra
- Llama 3.2 90B Vision Instruct na Apple M2 Max
- Llama 3.2 90B Vision Instruct na Apple M4 Max
- Llama 3.2 90B Vision Instruct na Apple M5 Max
- Llama 3.2 90B Vision Instruct na Intel Arc B570
- Llama 3.2 90B Vision Instruct na Intel Arc B580
- Llama 3.2 90B Vision Instruct na NVIDIA A100 80GB (PCIe)
- Llama 3.2 90B Vision Instruct na NVIDIA DGX Spark
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 3060 (12GB)
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 3070
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 3070 Ti
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 3080 (10GB)
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 4060
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 4070
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 4070 Super
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 4070 Ti
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 5060
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 5060 Ti 8GB
- Llama 3.2 90B Vision Instruct na NVIDIA GeForce RTX 5070
- Llama 3.2 90B Vision Instruct na NVIDIA H100 80GB (PCIe)
- Llama 3.2 90B Vision Instruct na NVIDIA RTX PRO 6000 Blackwell
Inne rozmiary Llama 3.2 Family
Llama 3.2 90B Vision Instruct — najczęściej zadawane pytania
How much VRAM does Llama 3.2 90B Vision Instruct need?
About 54 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 90B Vision Instruct run on an RTX 4090 (24 GB)?
No. Llama 3.2 90B Vision Instruct needs about 54 GB at Q4_K_M, more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.
How do I run Llama 3.2 90B 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.