Modelos / Llama
Llama 3.1 8B
O 8B mais popular do Ollama. Equilibrado para conversa e texto em geral.
- Parâmetros
- 8B
- Contexto máximo
- 128K
- Placa mínima
- 8 GB de VRAM
- Mac mínimo
- 16 GB
Meta · licença llama3.1 · mínimos com Q4_K_M e 8K de contexto
Rodar no Ollama
- Q4_K_M
ollama run llama3.1:8b - Q5_K_M
ollama run llama3.1:8b-instruct-q5_K_M - Q8_0
ollama run llama3.1:8b-instruct-q8_0 - FP16
ollama run llama3.1:8b-instruct-fp16
Quanta memória precisa
Total com pesos, KV cache e runtime, por quantização e contexto.
| Quantização | 4K | 8K | 32K | 128K |
|---|---|---|---|---|
| Q4_K_M | 5,8 GB | 6,5 GB | 10,2 GB | 25,2 GB |
| Q5_K_M | 6,6 GB | 7,3 GB | 11 GB | 26,1 GB |
| Q8_0 | 9,5 GB | 10,1 GB | 13,9 GB | 28,9 GB |
| FP16 | 17,1 GB | 17,7 GB | 21,4 GB | 36,5 GB |
Placas que rodam
- RTX 5060 Ti 8 GB 8 GBApertado≈ 62 tok/s
- RTX 5060 8 GBApertado≈ 62 tok/s
- RTX 5050 8 GBApertado≈ 44 tok/s
- RTX 4060 Ti 8 GB 8 GBApertado≈ 40 tok/s
- RTX 4060 8 GBApertado≈ 38 tok/s
- Radeon RX 7600 8 GBApertado≈ 32 tok/s
- RTX 5070 12 GBRoda bem≈ 93 tok/s
- RTX 4070 Super 12 GBRoda bem≈ 70 tok/s
- RTX 4070 12 GBRoda bem≈ 70 tok/s
- RTX 3060 12 GB 12 GBRoda bem≈ 50 tok/s
- Radeon RX 7700 XT 12 GBRoda bem≈ 48 tok/s
- Arc B580 12 GBRoda bem≈ 46 tok/s
- RTX 5080 16 GBRoda bem≈ 133 tok/s
- RTX 5070 Ti 16 GBRoda bem≈ 124 tok/s
- RTX 4080 Super 16 GBRoda bem≈ 102 tok/s
- RTX 4070 Ti Super 16 GBRoda bem≈ 93 tok/s
- Radeon RX 9070 XT 16 GBRoda bem≈ 72 tok/s
- Radeon RX 9070 16 GBRoda bem≈ 72 tok/s
- Radeon RX 7800 XT 16 GBRoda bem≈ 70 tok/s
- RTX 5060 Ti 16 GB 16 GBRoda bem≈ 62 tok/s
- RTX 4060 Ti 16 GB 16 GBRoda bem≈ 40 tok/s
- Radeon RX 9060 XT 16 GB 16 GBRoda bem≈ 36 tok/s
- Radeon RX 7600 XT 16 GBRoda bem≈ 32 tok/s
- Radeon RX 7900 XT 20 GBRoda bem≈ 89 tok/s
- RTX 4090 24 GBRoda bem≈ 139 tok/s
- RTX 3090 24 GBRoda bem≈ 129 tok/s
- Radeon RX 7900 XTX 24 GBRoda bem≈ 107 tok/s
- RTX 5090 32 GBRoda bem≈ 248 tok/s
Macs
- M5a partir de 16 GB · ≈ 22 tok/s
- M5 Proa partir de 24 GB · ≈ 44 tok/s
- M5 Maxa partir de 36 GB · ≈ 51 tok/s
- M4a partir de 16 GB · ≈ 17 tok/s
- M4 Proa partir de 24 GB · ≈ 39 tok/s
- M4 Maxa partir de 36 GB · ≈ 46 tok/s
Arquitetura
- 32 camadas, 8 cabeças de KV de 128 dimensões.
- Cada token de contexto ocupa cerca de 128 KB de KV cache em F16.
Fontes: config.json · arquivo de pesos · atualizado em 16/10/2026