Llama 3.2 3B TPS-rekenmachine

Open gewichten Meta AI 3.2B parameters September 2024

Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..

Bereken voor dit model

818 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Tesla C1080

4 GB · Q4_K_M · 26.5 tok/s

Snelste kaart

B200

1,056 tok/s · 180 GB

Welke GPU's kunnen draaien Llama 3.2 3B?

Stel de invoer in, lees het antwoord

Contextlengte tokens

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Minimale kwaliteit

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

Zoek kaarten

Kaartgeheugen

Toon ook kaarten die het niet kunnen draaien

818 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
1,056 tok/s 897–1,267	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	4.8 GB	Q8_0	Comfortabel
1,056 tok/s 897–1,267	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	4.8 GB	Q8_0	Comfortabel
843 tok/s 506–1,349 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	4.8 GB	Q8_0	Comfortabel
843 tok/s 506–1,349 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	4.8 GB	Q8_0	Comfortabel
674 tok/s 404–1,079 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	4.8 GB	Q8_0	Comfortabel
645 tok/s 548–774	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.8 GB	Q8_0	Comfortabel
645 tok/s 548–774	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.8 GB	Q8_0	Comfortabel
617 tok/s 370–988 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	4.8 GB	Q8_0	Comfortabel
548 tok/s 329–877 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	4.8 GB	Q8_0	Comfortabel
548 tok/s 329–877 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	4.8 GB	Q8_0	Comfortabel
548 tok/s 329–877 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	4.8 GB	Q8_0	Comfortabel
520 tok/s 442–624	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	4.8 GB	Q8_0	Comfortabel
443 tok/s 377–532	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.8 GB	Q8_0	Comfortabel
443 tok/s 377–532	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	4.8 GB	Q8_0	Comfortabel
443 tok/s 377–532	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	4.8 GB	Q8_0	Comfortabel
443 tok/s 377–532	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.8 GB	Q8_0	Comfortabel
443 tok/s 377–532	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	4.8 GB	Q8_0	Comfortabel
338 tok/s 203–540 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	4.8 GB	Q8_0	Comfortabel
338 tok/s 203–540 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	4.8 GB	Q8_0	Comfortabel
281 tok/s 169–450 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	4.8 GB	Q8_0	Comfortabel
275 tok/s 165–440 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	4.8 GB	Q8_0	Comfortabel
269 tok/s 229–323	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	4.8 GB	Q8_0	Comfortabel
269 tok/s 229–323	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	4.8 GB	Q8_0	Comfortabel
269 tok/s 229–323	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	4.8 GB	Q8_0	Comfortabel
269 tok/s 229–323	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	4.8 GB	Q8_0	Comfortabel

Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie: Meta AI
Organisatietype: Industry
Land: United States of America
Gepubliceerd: 24 September 2024

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein: Language
Taak: Language modeling/generation, Text summarization, Question answering, Quantitative reasoning, Translation

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

parameters: 3.2B
Training gegevens: 9,000,000,000,000 tokens

Training rekenen

De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.

Training rekenen: 1.7 × 10²³ FLOP
Hoe het werd opgericht: Operation counting,Hardware

De trainingsrun

Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.

Training hardware: NVIDIA H100 SXM5 80GB
Chip-uren: 460,000

Beschikbaarheid

Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.

Gewichten: Open — downloadable
Toegang tot model: Open weights (restricted use)
Training code: Unreleased

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Waarschijnlijk boven de 10²³ FLOP: Yes
Record vertrouwen: Confident

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie: Llama 3.2: Revolutionizing edge AI and vision with open, customizable models
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien Llama 3.2 3B

Gerangschikt op geschatte tokens per seconde, nieuwste kaart eerst waar snelheden gelijk zijn. Omdat generatie gebonden is aan geheugensnelheid, volgt deze ordening de snelheid in plaats van een gamebenchmark..

De kleinste GPU's die nog steeds draaien Llama 3.2 3B

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

Wat de cijfers betekenen

Wat nodig is om dit model te draaien

Minimum kaart

Tesla C1080

Geheugen nodig

3.3 GB

Snelste

1,056 tok/s

Llama 3.2 3B bereikt een parameter telling van 3.2B. Dat is klein genoeg zodat hardware zelden de obstakel is, inclusief op kaarten van enkele jaren oud. Het aantal kaarten dat we volgen die het kunnen draaien: 818.

De kleinste kaart die het vasthoudt is Tesla C1080, met een geheugen capaciteit van 4 GB, het draaien ervan met een compressie van Q4_K_M en produceren rond 26.5 tokens per seconde

De snelste resultaten komen van B200, genereren ongeveer 1,056 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Wat dit model is

Llama 3.2 3B werd gepubliceerd door Meta AI, in het land geregistreerd als United States of America, tijdens September 2024. De categorie waaronder de uitgever valt is industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Text summarization, Question answering, Quantitative reasoning, Translation.

De gewichten zijn gepubliceerd, zodat ze gedownload en onbeperkt, offline, op je eigen hardware kunnen worden uitgevoerd, zonder dat er een account aan verbonden is.

Wat bepaalt de snelheid

Over elke kaart die het kan draaien, ligt het midden van het bereik op 39.0 tokens per second. Outright de leessnelheid overschrijden. 785 van hen

Doordat het dicht is, leest het alles per token, wat de reden is waarom de volgorde op snelheid hieronder zo nauwkeurig de volgorde op geheugendebandbreedte volgt.

Omdat de architectuur is vastgelegd, is de geheugen kolom afgeleid in plaats van geschat.

Training en herkomst

Het produceren ervan vereiste een rekenkundige totaal van ongeveer 1.7 × 10²³ FLOP, op hardware vastgelegd als NVIDIA H100 SXM5 80GB. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

De trainingsset liep naar ongeveer 9,000,000,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor Llama 3.2 3B

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

01

Begin vanuit de geheugen kolom

De tabel vermeldt elke kaart die in staat is om te bevatten. Llama 3.2 3B, ongeveer nodig 3.3 GB bij een compressie van Q4_K_M. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Stem de context af op uw werkelijke gebruik

Stel de context in op wat je daadwerkelijk gaat gebruiken. De cache groeit met het gesprek, en het is de gebruikelijke reden dat een CARD die in eerste instantie prima leek, niet meer past. Llama 3.2 3B.
03

Kies hoe ver je het wilt comprimeren

Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., bereiken van een compressie van Q4_K_M op de kleinste kaart die past. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
04

Sorteer op snelheid

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Llama 3.2 3B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 1,056 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

Een strakke pasvorm draait, maar laat niets over voor een langer gesprek, in het geval van Llama 3.2 3B. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
06

Controleer de kaart vanaf de andere kant

Het volgen van een GPU-kaart naar zijn eigen pagina toont elk ander model dat het kan bevatten, wat de vraag is die volgt zodra je je hebt ingesteld op Llama 3.2 3B.

Antwoorden

Llama 3.2 3B — veelgestelde vragen

Llama 3.2 3B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 1,056 tokens per seconde; de langzaamste die het nog steeds draait haalt aanzienlijk minder. De leessnelheid is rond de tien tokens per seconde, en het aantal kaarten dat dat haalt: 785.

Llama 3.2 3B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 3.3 GB bij een compressie van Q4_K_M, welke is wat de kleinste card die het draait gebruikt. Minder compressie heeft meer nodig: de cijfers in de memory-kolom hierboven worden opnieuw berekend voor elke card, omdat elke card de minst gecomprimeerde versie kan vasthouden.

Llama 3.2 3B— kan ik het draaien op een GPU met 8 GB?

Ja. De GPU kaart CMP 170HX 8 GB, houden 8 GB, draait het met een compressie van Q8_0, ongeveer 4.8 GB en genereren ongeveer 197 tokens per second. De fit is comfortabel.

Llama 3.2 3B— kan ik het draaien op een GPU met 12 GB?

Ja. De GPU kaart GeForce RTX 3080 Ti, houden 12 GB, draait het met een compressie van Q8_0, ongeveer 4.8 GB en genereren ongeveer 120 tokens per second. De fit is comfortabel.

Llama 3.2 3B— kan ik het draaien op een GPU met 16 GB?

Ja. De GPU kaart Tesla V100 SXM2 16 GB, houden 16 GB, draait het met een compressie van Q8_0, ongeveer 4.8 GB en genereren ongeveer 149 tokens per second. De fit is comfortabel.

Llama 3.2 3B— kan ik het draaien op een GPU met 24 GB?

Ja. De GPU kaart GeForce RTX 5090 D V2, houden 24 GB, draait het met een compressie van Q8_0, ongeveer 4.8 GB en genereren ongeveer 177 tokens per second. De fit is comfortabel.

Llama 3.2 3B— is het open-source?

De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.

Llama 3.2 3B— hoeveel parameters heeft het?

Het heeft een parameter telling van 3.2B. https://huggingface.co/meta-llama/Llama-3.2-1B. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.

Llama 3.2 3B— wie heeft het gemaakt?

Het werd gepubliceerd door Meta AI, gebaseerd op United States of America, een organisatie geclassificeerd als industry.

Llama 3.2 3B— wanneer is het uitgebracht?

Het werd gepubliceerd in September 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

Llama 3.2 3B— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Text summarization, Question answering, Quantitative reasoning, Translation. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.

Llama 3.2 3B— waar kan ik het downloaden?

De gewichten zijn gepubliceerd, hoewel we geen repositorylink daarvoor hebben. Deze site berekent hardwarevereisten in plaats van modelbestanden te hosten.

Llama 3.2 3B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 1.7 × 10²³ FLOP, op hardware vastgelegd als NVIDIA H100 SXM5 80GB. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.

Llama 3.2 3B— kan ik het draaien als het niet in mijn GPU past?

Alleen door af te laden, wat meestal een valse economie is: het deel dat in systeemgeheugen wordt vastgehouden, houdt het hele ding tegen. Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Llama 3.2 3B— Zouden twee GPU's het sneller draaien?

Een tweede kaart verdubbelt ruwweg het beschikbare geheugen, maar niet de generatie snelheid. Het aantal dat al in staat is om het alleen te draaien: 818. Dus een tweede card is zelden het antwoord hier.

Llama 3.2 3B— waarom verschilt de quantisatie tussen kaarten?

Omdat de capaciteit varieert, varieert ook hoe hard het moet worden samengedrukt. Het aantal onderscheidende niveaus in de bovenstaande tabel: 3. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Llama 3.2 3B— hoe nauwkeurig zijn deze snelheidsschattingen?

Dit zijn schattingen met echte foutmarges, en elk van hen zou redelijkerwijs ergens binnen zijn gepubliceerde bereik kunnen vallen, afhankelijk van welke runtime je gebruikt. Het snelste resultaat hier: 897–1,267 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Llama 3.2 3B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Tesla C1080, met een geheugen capaciteit van 4 GB. Het draait het model op een compressie van Q4_K_M ongeveer 3.3 GB, en produceert ongeveer 26.5 tokens per second. Het aantal kaarten dat het totaal kan draaien: 818.

Bron

Originele publicatie

Laatste update geregistreerd 28 November 2025

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.

Alle AI-modellen