Llama 4 — Meta 的本地 AI 模型
作者： Jakub Rusinowski · 最后更新：
Meta突破性的混合专家（MoE）系列。Llama 4采用稀疏MoE架构，每个token仅激活部分参数，以远低于总参数量的硬件需求提供前沿级别的智能。
变体
Llama 4 最小的变体在 Q4_K_M 下约需 67 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 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 |
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 4
安装 Ollama，然后拉取标签。
ollama run llama4:scout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 4 Scout 17B, Llama 4 Maverick 17B推荐 GPU
目录中能在本地运行 Llama 4（至少 67 GB 显存）的最便宜 GPU 是 NVIDIA DGX Spark (128 GB).
我的 GPU 能运行 Llama 4 吗？
- Llama 4 在 AMD Ryzen AI Max+ 395 上
- Llama 4 在 Apple M1 Max 上
- Llama 4 在 Apple M1 Pro 上
- Llama 4 在 Apple M1 Ultra 上
- Llama 4 在 Apple M2 Max 上
- Llama 4 在 Apple M2 Pro 上
- Llama 4 在 Apple M3 Max 上
- Llama 4 在 Apple M3 Pro 上
- Llama 4 在 Apple M3 Ultra 上
- Llama 4 在 Apple M4 上
- Llama 4 在 Apple M4 Max 上
- Llama 4 在 Apple M5 上
- Llama 4 在 Apple M5 Max 上
- Llama 4 在 Apple M5 Pro 上
- Llama 4 在 NVIDIA A100 80GB (PCIe) 上
- Llama 4 在 NVIDIA DGX Spark 上
- Llama 4 在 NVIDIA GeForce RTX 4090 上
- Llama 4 在 NVIDIA GeForce RTX 5090 上
- Llama 4 在 NVIDIA H100 80GB (PCIe) 上
- Llama 4 在 NVIDIA L40S 上
- Llama 4 在 NVIDIA RTX 6000 Ada Generation 上
- Llama 4 在 NVIDIA RTX PRO 6000 Blackwell 上
Llama 4 — 常见问题
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.