Llama 3.2 1B Instruct — 显存、速度与本地部署
作者： Jakub Rusinowski · 最后更新：
Meta's smallest production-quality instruction model. Runs in under 1GB VRAM — perfect for Raspberry Pi, phones, and embedded devices.
Llama 3.2 1B Instruct 在 Q4_K_M 下约需 2 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 | 1.5 GB | ~338 tok/s | 可运行 | |
| Q3_K_M 3.41 bpw | 1.6 GB | ~320 tok/s | 可运行 | |
| Q4_K_M 4.83 bpw | 1.8 GB | ~293 tok/s | 可运行 | |
| Q5_K_M 5.67 bpw | 1.9 GB | ~279 tok/s | 可运行 | |
| Q6_K 6.56 bpw | 2.1 GB | ~265 tok/s | 可运行 | |
| Q8_0 8.50 bpw | 2.4 GB | ~240 tok/s | 可运行 | |
| F16 16.00 bpw | 3.5 GB | ~175 tok/s | 可运行 |
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 1B Instruct 显存计算器 →
运行 Llama 3.2 1B Instruct
目录中能运行 Llama 3.2 1B Instruct 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 1B Instruct
安装 Ollama，然后运行：
ollama run llama3.2:1b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
- 1 Billion
- 上下文窗口
- 128,000
- 架构
- Dense
- 提供商
- Meta
- 许可证
- Llama Community
- 规格量化
- Q4_K_M
- 系统内存
- 4 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 1B Instruct 吗？
- Llama 3.2 1B Instruct 在 AMD Radeon RX 9060 XT 8GB 上
- Llama 3.2 1B Instruct 在 AMD Ryzen AI Max+ 395 上
- Llama 3.2 1B Instruct 在 Apple M1 Ultra 上
- Llama 3.2 1B Instruct 在 Apple M2 Max 上
- Llama 3.2 1B Instruct 在 Apple M4 Max 上
- Llama 3.2 1B Instruct 在 Apple M5 Max 上
- Llama 3.2 1B Instruct 在 Intel Arc B570 上
- Llama 3.2 1B Instruct 在 Intel Arc B580 上
- Llama 3.2 1B Instruct 在 NVIDIA A100 80GB (PCIe) 上
- Llama 3.2 1B Instruct 在 NVIDIA DGX Spark 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 3060 (12GB) 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 3070 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 3070 Ti 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 3080 (10GB) 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 4060 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 4070 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 4070 Super 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 4070 Ti 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 5060 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 5060 Ti 8GB 上
- Llama 3.2 1B Instruct 在 NVIDIA GeForce RTX 5070 上
- Llama 3.2 1B Instruct 在 NVIDIA H100 80GB (PCIe) 上
- Llama 3.2 1B Instruct 在 NVIDIA RTX PRO 6000 Blackwell 上
Llama 3.2 Family 的其他尺寸
Llama 3.2 1B Instruct — 常见问题
How much VRAM does Llama 3.2 1B Instruct need?
About 2 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 1B Instruct run on an RTX 4090 (24 GB)?
Yes. Llama 3.2 1B Instruct needs about 2 GB at Q4_K_M, inside a 24 GB card, at an estimated 293 tokens/sec.
How do I run Llama 3.2 1B Instruct locally?
Install Ollama and run `ollama run llama3.2:1b`. 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.