Llama 3.3 — Meta 的本地 AI 模型
作者： Jakub Rusinowski · 最后更新：
Meta最新旗舰模型。Llama 3.3 70B在众多基准测试中媲美庞大的405B模型，同时效率足够高，适合高端本地部署。
变体
Llama 3.3 最小的变体在 Q2_K_XS (Tight) 下约需 43 GB 显存——量化权重加框架开销，不含 KV 缓存。
| 模型 | Q4 下显存 | 显存 | 上下文 | 运行 |
|---|---|---|---|---|
| Llama 3.3 70B Instruct → 70B | ~43.1 GB | 128,000 | ollama run llama3.3 |
显存为 Q4_K_M 下的量化权重加开销，与 GPU 与显存检测器使用同一引擎计算。
如何在本地运行 Llama 3.3
安装 Ollama，然后拉取标签。
ollama run llama3.3在上方选择一个尺寸，查看它自己的显存、速度估算和安装命令。
许可证
Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.
适用于: Llama 3.3 70B Instruct推荐 GPU
目录中能在本地运行 Llama 3.3（至少 43 GB 显存）的最便宜 GPU 是 NVIDIA DGX Spark (128 GB).
我的 GPU 能运行 Llama 3.3 吗？
- Llama 3.3 在 AMD Radeon RX 7800 XT 上
- Llama 3.3 在 AMD Radeon RX 7900 XT 上
- Llama 3.3 在 AMD Radeon RX 7900 XTX 上
- Llama 3.3 在 AMD Radeon RX 9060 XT 16GB 上
- Llama 3.3 在 AMD Radeon RX 9070 上
- Llama 3.3 在 AMD Radeon RX 9070 XT 上
- Llama 3.3 在 Apple M1 上
- Llama 3.3 在 Apple M1 Pro 上
- Llama 3.3 在 Apple M2 上
- Llama 3.3 在 Apple M2 Pro 上
- Llama 3.3 在 Apple M3 上
- Llama 3.3 在 Apple M3 Pro 上
- Llama 3.3 在 Apple M4 上
- Llama 3.3 在 Apple M4 Pro 上
- Llama 3.3 在 Apple M5 上
- Llama 3.3 在 Intel Arc B570 上
- Llama 3.3 在 Intel Arc B580 上
- Llama 3.3 在 NVIDIA GeForce RTX 3060 (12GB) 上
- Llama 3.3 在 NVIDIA GeForce RTX 3080 (10GB) 上
- Llama 3.3 在 NVIDIA GeForce RTX 3090 上
- Llama 3.3 在 NVIDIA GeForce RTX 4060 Ti 16GB 上
- Llama 3.3 在 NVIDIA GeForce RTX 4070 上
- Llama 3.3 在 NVIDIA GeForce RTX 4070 Super 上
- Llama 3.3 在 NVIDIA GeForce RTX 4070 Ti 上
- Llama 3.3 在 NVIDIA GeForce RTX 4070 Ti Super 上
- Llama 3.3 在 NVIDIA GeForce RTX 4080 上
- Llama 3.3 在 NVIDIA GeForce RTX 4080 Super 上
- Llama 3.3 在 NVIDIA GeForce RTX 4090 上
- Llama 3.3 在 NVIDIA GeForce RTX 5060 Ti 16GB 上
- Llama 3.3 在 NVIDIA GeForce RTX 5070 上
- Llama 3.3 在 NVIDIA GeForce RTX 5070 Ti 上
- Llama 3.3 在 NVIDIA GeForce RTX 5080 上
- Llama 3.3 在 NVIDIA GeForce RTX 5090 上
- Llama 3.3 在 NVIDIA L40S 上
- Llama 3.3 在 NVIDIA RTX 6000 Ada Generation 上
Llama 3.3 — 常见问题
How much VRAM does Llama 3.3 need?
Llama 3.3 needs about 43 GB VRAM at Q2_K_XS (Tight) quantization for its smallest variant. Variants: Llama 3.3 70B Instruct (43 GB, Q2_K_XS (Tight)). On Apple Silicon, unified memory counts toward this requirement.
Can I run Llama 3.3 on an RTX 4090 (24 GB)?
Llama 3.3's smallest variant needs about 43 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 3.3?
Q4_K_M is the best balance of quality and VRAM for Llama 3.3 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 3.3 with Ollama?
Install Ollama, then run: ollama run llama3.3. This downloads Llama 3.3 and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.