Llama 4 — lokalny model AI od Meta
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Przełomowa seria Mixture-of-Experts (MoE) od Meta. Llama 4 używa rzadkiej architektury MoE, gdzie przy każdym tokenie aktywuje się tylko część parametrów — oferując inteligencję klasy frontier przy znacznie niższych wymaganiach sprzętowych niż sugerowałaby całkowita liczba parametrów.
Warianty
Najmniejszy wariant Llama 4 potrzebuje około 67 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| Llama 4 Scout 17B → 17B active / 109B total | ~66.6 GB | 10,000,000 | ollama run llama4:scout | |
| Llama 4 Maverick 17B → 17B active / 400B total | ~242.3 GB | 1,000,000 | ollama run llama4:maverick |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić Llama 4 lokalnie
Zainstaluj Ollama, a potem pobierz tag.
ollama run llama4:scoutWybierz 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 4 Scout 17B, Llama 4 Maverick 17BPolecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi Llama 4 lokalnie (min. 67 GB VRAM), to NVIDIA DGX Spark (128 GB).
Czy uruchomię Llama 4 na moim GPU?
- Llama 4 na AMD Ryzen AI Max+ 395
- Llama 4 na Apple M1 Max
- Llama 4 na Apple M1 Pro
- Llama 4 na Apple M1 Ultra
- Llama 4 na Apple M2 Max
- Llama 4 na Apple M2 Pro
- Llama 4 na Apple M3 Max
- Llama 4 na Apple M3 Pro
- Llama 4 na Apple M3 Ultra
- Llama 4 na Apple M4
- Llama 4 na Apple M4 Max
- Llama 4 na Apple M5
- Llama 4 na Apple M5 Max
- Llama 4 na Apple M5 Pro
- Llama 4 na NVIDIA A100 80GB (PCIe)
- Llama 4 na NVIDIA DGX Spark
- Llama 4 na NVIDIA GeForce RTX 4090
- Llama 4 na NVIDIA GeForce RTX 5090
- Llama 4 na NVIDIA H100 80GB (PCIe)
- Llama 4 na NVIDIA L40S
- Llama 4 na NVIDIA RTX 6000 Ada Generation
- Llama 4 na NVIDIA RTX PRO 6000 Blackwell
Llama 4 — najczęściej zadawane pytania
How much VRAM does Llama 4 need?
Llama 4 needs about 67 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Llama 4 Scout 17B (67 GB, Q4_K_M); Llama 4 Maverick 17B (242 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Llama 4 on an RTX 4090 (24 GB)?
Llama 4's smallest variant needs about 67 GB, which exceeds a single RTX 4090 (24 GB). Use multiple GPUs, a higher-VRAM card, or Apple Silicon with large unified memory.
What quantization should I use for Llama 4?
Q4_K_M is the best balance of quality and VRAM for Llama 4 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 4 with Ollama?
Install Ollama, then run: ollama run llama4:scout. This downloads Llama 4 and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.