Modelos / Llama
Llama 3.2 3B
Modelo pequeno da Meta, bom para resumos e tarefas simples em máquinas modestas.
- Parâmetros
- 3.2B
- Contexto máximo
- 128K
- Placa mínima
- 6 GB de VRAM
- Mac mínimo
- 8 GB
Meta · licença llama3.2 · mínimos com Q4_K_M e 8K de contexto
Rodar no Ollama
- Q4_K_M
ollama run llama3.2:3b - Q5_K_M
ollama run llama3.2:3b-instruct-q5_K_M - Q8_0
ollama run llama3.2:3b-instruct-q8_0 - FP16
ollama run llama3.2:3b-instruct-fp16
Quanta memória precisa
Total com pesos, KV cache e runtime, por quantização e contexto.
| Quantização | 4K | 8K | 32K | 128K |
|---|---|---|---|---|
| Q4_K_M | 2,8 GB | 3,4 GB | 6,7 GB | 20,1 GB |
| Q5_K_M | 3,2 GB | 3,7 GB | 7,1 GB | 20,5 GB |
| Q8_0 | 4,3 GB | 4,9 GB | 8,2 GB | 21,6 GB |
| FP16 | 7,4 GB | 8 GB | 11,4 GB | 24,7 GB |
Placas que rodam
- RTX 5060 Ti 8 GB 8 GBRoda bem≈ 151 tok/s
- RTX 5060 8 GBRoda bem≈ 151 tok/s
- RTX 5050 8 GBRoda bem≈ 108 tok/s
- RTX 4060 Ti 8 GB 8 GBRoda bem≈ 97 tok/s
- RTX 4060 8 GBRoda bem≈ 92 tok/s
- Radeon RX 7600 8 GBRoda bem≈ 78 tok/s
- RTX 5070 12 GBRoda bem≈ 226 tok/s
- RTX 4070 Super 12 GBRoda bem≈ 170 tok/s
- RTX 4070 12 GBRoda bem≈ 170 tok/s
- RTX 3060 12 GB 12 GBRoda bem≈ 121 tok/s
- Radeon RX 7700 XT 12 GBRoda bem≈ 118 tok/s
- Arc B580 12 GBRoda bem≈ 113 tok/s
- RTX 5080 16 GBRoda bem≈ 323 tok/s
- RTX 5070 Ti 16 GBRoda bem≈ 302 tok/s
- RTX 4080 Super 16 GBRoda bem≈ 248 tok/s
- RTX 4070 Ti Super 16 GBRoda bem≈ 226 tok/s
- Radeon RX 9070 XT 16 GBRoda bem≈ 174 tok/s
- Radeon RX 9070 16 GBRoda bem≈ 174 tok/s
- Radeon RX 7800 XT 16 GBRoda bem≈ 170 tok/s
- RTX 5060 Ti 16 GB 16 GBRoda bem≈ 151 tok/s
- RTX 4060 Ti 16 GB 16 GBRoda bem≈ 97 tok/s
- Radeon RX 9060 XT 16 GB 16 GBRoda bem≈ 87 tok/s
- Radeon RX 7600 XT 16 GBRoda bem≈ 78 tok/s
- Radeon RX 7900 XT 20 GBRoda bem≈ 218 tok/s
- RTX 4090 24 GBRoda bem≈ 339 tok/s
- RTX 3090 24 GBRoda bem≈ 315 tok/s
- Radeon RX 7900 XTX 24 GBRoda bem≈ 261 tok/s
- RTX 5090 32 GBRoda bem≈ 603 tok/s
Macs
- M5a partir de 16 GB · ≈ 53 tok/s
- M5 Proa partir de 24 GB · ≈ 106 tok/s
- M5 Maxa partir de 36 GB · ≈ 125 tok/s
- M4a partir de 16 GB · ≈ 42 tok/s
- M4 Proa partir de 24 GB · ≈ 95 tok/s
- M4 Maxa partir de 36 GB · ≈ 112 tok/s
Arquitetura
- 28 camadas, 8 cabeças de KV de 128 dimensões.
- Cada token de contexto ocupa cerca de 112 KB de KV cache em F16.
Fontes: config.json · arquivo de pesos · atualizado em 16/10/2026