OLMo 2 — Allen AI 的本地 AI 模型
作者： Jakub Rusinowski · 最后更新：
世界上最透明的LLM。OLMo 2公开一切：权重、训练代码、训练数据、评估套件和中间检查点。非常适合需要完全可审计AI的研究人员和合规敏感部署。在大多数基准测试中与Llama 3.1持平。
变体
OLMo 2 最小的变体在 Q4_K_M 下约需 5 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 |
|---|---|---|---|---|
| OLMo 2 7B Instruct → 7B | ~5.2 GB | 4,096 | ollama run olmo2:7b | |
| OLMo 2 13B Instruct → 13B | ~9.1 GB | 4,096 | ollama run olmo2:13b |
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 OLMo 2
安装 Ollama，然后拉取标签。
ollama run olmo2:7b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
Commercial use permitted. No usage restrictions beyond attribution.
适用于: OLMo 2 7B Instruct, OLMo 2 13B Instruct推荐 GPU
目录中能在本地运行 OLMo 2（至少 5 GB 显存）的最便宜 GPU 是 Intel Arc B570 (10 GB).
我的 GPU 能运行 OLMo 2 吗？
- OLMo 2 在 AMD Radeon RX 7800 XT 上
- OLMo 2 在 AMD Radeon RX 7900 XT 上
- OLMo 2 在 AMD Radeon RX 9060 XT 16GB 上
- OLMo 2 在 AMD Radeon RX 9060 XT 8GB 上
- OLMo 2 在 AMD Radeon RX 9070 上
- OLMo 2 在 AMD Radeon RX 9070 XT 上
- OLMo 2 在 Intel Arc B570 上
- OLMo 2 在 NVIDIA GeForce RTX 3070 上
- OLMo 2 在 NVIDIA GeForce RTX 3070 Ti 上
- OLMo 2 在 NVIDIA GeForce RTX 3080 (10GB) 上
- OLMo 2 在 NVIDIA GeForce RTX 4060 上
- OLMo 2 在 NVIDIA GeForce RTX 4060 Ti 16GB 上
- OLMo 2 在 NVIDIA GeForce RTX 4070 Ti Super 上
- OLMo 2 在 NVIDIA GeForce RTX 4080 上
- OLMo 2 在 NVIDIA GeForce RTX 4080 Super 上
- OLMo 2 在 NVIDIA GeForce RTX 5060 上
- OLMo 2 在 NVIDIA GeForce RTX 5060 Ti 16GB 上
- OLMo 2 在 NVIDIA GeForce RTX 5060 Ti 8GB 上
- OLMo 2 在 NVIDIA GeForce RTX 5070 Ti 上
- OLMo 2 在 NVIDIA GeForce RTX 5080 上
OLMo 2 — 常见问题
How much VRAM does OLMo 2 need?
OLMo 2 needs about 5 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: OLMo 2 7B Instruct (5 GB, Q4_K_M); OLMo 2 13B Instruct (9 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run OLMo 2 on an RTX 4090 (24 GB)?
Yes — OLMo 2 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 OLMo 2?
Q4_K_M is the best balance of quality and VRAM for OLMo 2 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 OLMo 2 with Ollama?
Install Ollama, then run: ollama run olmo2:7b. This downloads OLMo 2 and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.