Llama 3.3 70B Instruct
Meta 的 Llama 3.3 70B Instruct（70B 參數）。以 Q4_K_M 量化、8K 上下文估算約需 44.5 GiB 記憶體。 70B 密集模型：4-bit 量化需要 48 GB 的顯示卡或 64 GB 統一記憶體的電腦；每產生一個 token 都要讀過全部 70B 權重，在頻寬低的硬體上會很慢。
最後更新: 2026-10-13
模型資訊
執行方式
ollama run llama3.3:70b
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 | 43.2 GiB | 44.5 GiB | 52.0 GiB |
| Q5_K_M | 50.4 GiB | 51.7 GiB | 59.2 GiB |
| Q6_K | 58.1 GiB | 59.4 GiB | 66.9 GiB |
| Q8_0 | 74.5 GiB | 75.7 GiB | 83.2 GiB |
| FP16 | 138.7 GiB | 139.9 GiB | 147.4 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 3.3 70B Instruct 需要多少 VRAM／記憶體？
以 8K 上下文估算：Q4_K_M 量化約需 44.5 GiB，Q8_0 約需 75.7 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 3.3 70B Instruct 嗎？
Llama 3.3 70B Instruct 在 GeForce RTX 4090（24 GB）上，即使用 Q4_K_M 量化、8K 上下文也放不下。
Mac 可以跑 Llama 3.3 70B Instruct 嗎？
可以。Llama 3.3 70B Instruct 在 M3 Ultra（96 GB）上以 Q6_K 量化、8K 上下文約需 59.4 GiB，預估生成速度約每秒 9.2 個 token。
Llama 3.3 70B Instruct 可以商用嗎？
Llama 3.3 70B Instruct 採用 Llama 3.3 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_3/MODEL_CARD.md
- https://github.com/meta-llama/llama-models/blob/main/models/llama3_3/LICENSE
- https://huggingface.co/RedHatAI/Llama-3.3-70B-Instruct/resolve/main/config.json
- https://huggingface.co/meta-llama/Llama-3.3-70B-Instruct
- https://huggingface.co/api/models/meta-llama/Llama-3.3-70B-Instruct?expand[]=safetensors
- https://ollama.com/library/llama3.3/tags