SmolLM3 — lokalny model AI od Hugging Face

Autor: Jakub Rusinowski · Ostatnia aktualizacja:

Hugging Face's fully-open 3B: weights, training data, recipe and 100+ intermediate checkpoints all published. Dual-mode — a deep-thinking path for hard problems and a fast path for everything else — with 128K context and six natively supported languages. The reference model for anyone fine-tuning at the small end, which makes it the natural companion to the datasets hub.

Hugging Face Project Site

Warianty

Najmniejszy wariant SmolLM3 potrzebuje około 3 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.

ModelVRAM
SmolLM3 3B →
3B
~2.7 GB

Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.

Jak uruchomić SmolLM3 lokalnie

Zainstaluj Ollama, a potem pobierz tag.

ollama run smollm3:3b

Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.

Licencja

Apache-2.0Użycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Dotyczy: SmolLM3 3B

Polecane GPU

Najtańsze GPU z naszego katalogu, które uruchomi SmolLM3 lokalnie (min. 3 GB VRAM), to Intel Arc B570 (10 GB).

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.
Intel Arc B570 10GB
10 GB VRAM · 150 W board power
Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Czy uruchomię SmolLM3 na moim GPU?

SmolLM3 — najczęściej zadawane pytania

How much VRAM does SmolLM3 need?

SmolLM3 needs about 3 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: SmolLM3 3B (3 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.

Can I run SmolLM3 on an RTX 4090 (24 GB)?

Yes — SmolLM3 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 SmolLM3?

Q4_K_M is the best balance of quality and VRAM for SmolLM3 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 SmolLM3 with Ollama?

Install Ollama, then run: ollama run smollm3:3b. This downloads SmolLM3 and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.