Meta · Dense · GQA
Llama 3.1 8B Instruct: VRAM nach Quantisierung und Kontext
8.03 Mrd. Parameter, 32 Schichten, 8 KV-Heads. In Gigabyte übersetzt sieht das so aus.
Architektur
| Parameters | 8.03B | Vendor model card |
|---|---|---|
| Layers | 32 | config.json |
| Hidden size | 4096 | config.json |
| Attention heads | 32 | config.json |
| KV heads | 8 | config.json (GQA) |
| Head dim | 128 | config.json |
| Max context | 131072 tokens | config.json |
Source: Meta Llama 3 architecture (published); repo gated
VRAM nach Quantisierung
Total includes 8K of KV cache and 1.5 GB runtime overhead.
| Quantisierung | Weights | KV @ 8K | Gesamtbedarf | Läuft auf |
|---|---|---|---|---|
| FP16 / BF16 2.0 B/param | 16.1 GB | 1.1 GB | 18.6 GB | Mac Studio M4 Max 128GB |
| INT8 / Q8_0 1.06 B/param | 8.5 GB | 1.1 GB | 11.1 GB | Mac Studio M4 Max 128GB |
| Q4_K_M (4-bit) 0.6 B/param | 4.8 GB | 1.1 GB | 7.4 GB | Mac Studio M4 Max 128GB |
| Q5_K_M (5-bit) 0.72 B/param | 5.8 GB | 1.1 GB | 8.4 GB | Mac Studio M4 Max 128GB |
KV-Cache nach Kontextlänge
Q4_K_M weights plus 1.5 GB overhead. KV cache at FP16.
| Kontext | KV-Cache | Gesamtbedarf | Läuft auf |
|---|---|---|---|
| 4k | 0.5 GB | 6.9 GB | Mac Studio M4 Max 128GB |
| 8k | 1.1 GB | 7.4 GB | Mac Studio M4 Max 128GB |
| 16k | 2.1 GB | 8.5 GB | Mac Studio M4 Max 128GB |
| 32k | 4.3 GB | 10.6 GB | Mac Studio M4 Max 128GB |
| 64k | 8.6 GB | 14.9 GB | Mac Studio M4 Max 128GB |
| 128k | 17.2 GB | 23.5 GB | Mac Studio M4 Max 128GB |
Fazit
At Q4_K_M the weights alone are about 4.8 GB. With 8K of context and 1.5 GB of runtime overhead it lands near 7.4 GB. It fits: RTX 4090, RTX 3090, RTX 5090, Mac Studio M4 Max 128GB.
Zurück zum Rechner → · Kostenrechner öffnen → · Why 70B won't fit in 24 GB →
Durchsatzwerte sind Schätzungen aus Speicherbandbreite und veröffentlichten Messungen. VRAM-Werte folgen aus Architektur und Quantisierungsannahmen. Prüfen Sie vor dem Kauf Ihre eigene Laufzeitumgebung.