Llama 3.1 8B Instruct
Meta 的 Llama 3.1 8B Instruct（8B 參數）。以 Q4_K_M 量化、8K 上下文估算約需 6.2 GiB 記憶體。 Meta 的 8B 通用模型，支援 128K 上下文。就算用 8-bit（Q8_0）量化，12 GB 的顯示卡也放得下。
最後更新: 2026-10-13
模型資訊
執行方式
ollama run llama3.1:8b
所需記憶體
模型權重＋KV 快取＋執行環境開銷，單位 GiB。量化越低越省記憶體，品質略降。
| 量化 | 4K 上下文 | 8K 上下文 | 32K 上下文 |
|---|---|---|---|
| Q4_K_M | 5.7 GiB | 6.2 GiB | 9.2 GiB |
| Q5_K_M | 6.6 GiB | 7.1 GiB | 10.1 GiB |
| Q6_K | 7.4 GiB | 7.9 GiB | 10.9 GiB |
| Q8_0 | 9.3 GiB | 9.8 GiB | 12.8 GiB |
| FP16 | 16.6 GiB | 17.1 GiB | 20.1 GiB |
哪些硬體跑得動
在 8K 上下文長度下，各硬體放得下的最佳量化版本。 此為估算值，並非實測。請參考估算方法說明。
常見問題
Llama 3.1 8B Instruct 需要多少 VRAM／記憶體？
以 8K 上下文估算：Q4_K_M 量化約需 6.2 GiB，Q8_0 約需 9.8 GiB（含模型權重、KV 快取與執行環境開銷）。上下文越長，KV 快取越大。
GeForce RTX 4090 跑得動 Llama 3.1 8B Instruct 嗎？
可以。Llama 3.1 8B Instruct 在 GeForce RTX 4090（24 GB）上以 FP16 量化、8K 上下文約需 17.1 GiB，預估生成速度約每秒 44 個 token。
Mac 可以跑 Llama 3.1 8B Instruct 嗎？
可以。Llama 3.1 8B Instruct 在 M3 Ultra（96 GB）上以 FP16 量化、8K 上下文約需 17.1 GiB，預估生成速度約每秒 33 個 token。
Llama 3.1 8B Instruct 可以商用嗎？
Llama 3.1 8B Instruct 採用 Llama 3.1 Community License 授權。授權允許商業使用（請仍詳閱條款中的限制）。
資料來源
- https://github.com/meta-llama/llama-models/blob/main/models/llama3_1/MODEL_CARD.md
- https://github.com/meta-llama/llama-models/blob/main/models/llama3_1/LICENSE
- https://huggingface.co/RedHatAI/Llama-3.1-8B-Instruct/resolve/main/config.json
- https://huggingface.co/meta-llama/Llama-3.1-8B-Instruct
- https://huggingface.co/api/models/meta-llama/Llama-3.1-8B-Instruct?expand[]=safetensors
- https://ollama.com/library/llama3.1/tags