Llama 3.2 Vision 11B — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
The most popular local vision-language model. Runs on an 8 GB GPU with Q4 quantization. Excellent for image Q&A, chart analysis, and document OCR.
Llama 3.2 Vision 11B 在 Q4_K_M 下约需 7 GB 显存——量化权重加框架开销，不含 KV 缓存。在 Apple Silicon 上，这部分来自统一内存。
按量化级别的显存与速度
计算基准：NVIDIA RTX 4090 (24 GB)。包含 8K 上下文的 KV 缓存，因此数值高于上方的主数字。
| 量化 | 显存 | 显存 | 速度（估算） | 适配 |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 5.6 GB | ~129 tok/s | 可运行 | |
| Q3_K_M 3.41 bpw | 6.7 GB | ~110 tok/s | 可运行 | |
| Q4_K_M 4.83 bpw | 8.5 GB | ~86 tok/s | 可运行 | |
| Q5_K_M 5.67 bpw | 9.7 GB | ~77 tok/s | 可运行 | |
| Q6_K 6.56 bpw | 10.8 GB | ~68 tok/s | 可运行 | |
| Q8_0 8.50 bpw | 13.4 GB | ~55 tok/s | 可运行 | |
| F16 16.00 bpw | 23.3 GB | ~32 tok/s | 勉强 |
黑色标记 = NVIDIA RTX 4090 (24 GB) 上的可用显存。 估算来自内存带宽屋顶线模型，详见 方法说明页. Llama 3.2 Vision 11B 显存计算器 →
运行 Llama 3.2 Vision 11B
目录中能运行 Llama 3.2 Vision 11B 的最便宜 GPU 是 Intel Arc B570 (10 GB).
或在 Vast.ai 比较，低至 $0.35/小时 (typical low · varies)
作为亚马逊联盟成员，我们从符合条件的购买中获得收入。云 GPU 链接为推荐链接——我们可能获得佣金，您无需额外付费。
如何运行 Llama 3.2 Vision 11B
安装 Ollama，然后运行：
ollama run llama3.2-vision:11b规格
Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.
- 参数量
- 11 Billion
- 上下文窗口
- 128,000
- 架构
- Dense + Vision Encoder
- 提供商
- Meta
- 许可证
- Llama 3.2 Community
- Practical deployment
- Laptop
- 规格量化
- Q4_K_M
- 系统内存
- 16 GB
- 记录更新于
- 2024-09-25
Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.
质量与使用场景
评分由模型作者或独立评测方发布——衡量质量而非吞吐量，并非我们实测。
我的 GPU 能运行 Llama 3.2 Vision 11B 吗？
- Llama 3.2 Vision 11B 在 AMD Radeon RX 9060 XT 8GB 上
- Llama 3.2 Vision 11B 在 AMD Ryzen AI Max+ 395 上
- Llama 3.2 Vision 11B 在 Apple M1 Ultra 上
- Llama 3.2 Vision 11B 在 Apple M2 Max 上
- Llama 3.2 Vision 11B 在 Apple M4 Max 上
- Llama 3.2 Vision 11B 在 Apple M5 Max 上
- Llama 3.2 Vision 11B 在 Intel Arc B570 上
- Llama 3.2 Vision 11B 在 Intel Arc B580 上
- Llama 3.2 Vision 11B 在 NVIDIA A100 80GB (PCIe) 上
- Llama 3.2 Vision 11B 在 NVIDIA DGX Spark 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 3060 (12GB) 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 3070 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 3070 Ti 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 3080 (10GB) 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 4060 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 4070 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 4070 Super 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 4070 Ti 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 5060 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 5060 Ti 8GB 上
- Llama 3.2 Vision 11B 在 NVIDIA GeForce RTX 5070 上
- Llama 3.2 Vision 11B 在 NVIDIA H100 80GB (PCIe) 上
- Llama 3.2 Vision 11B 在 NVIDIA RTX PRO 6000 Blackwell 上
Llama 3.2 Vision 的其他尺寸
Llama 3.2 Vision 11B — 常见问题
How much VRAM does Llama 3.2 Vision 11B 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 Vision 11B run on an RTX 4090 (24 GB)?
Yes. Llama 3.2 Vision 11B 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 Vision 11B locally?
Install Ollama and run `ollama run llama3.2-vision:11b`. 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 Vision come in?
Llama 3.2 Vision 11B (7 GB), Llama 3.2 Vision 90B (54 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.