# Llama 3.3 70B Instruct

> 地端世界 · https://onpremworld.com/zh-tw/models/llama-3.3-70b · 最後更新: 2026-10-16 · CC BY 4.0

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。

|  |  |
|---|---|
| 開發者 | Meta |
| 參數量 | 70B |
| 原生上下文長度 | 131,072 tokens |
| 授權 | Llama 3.3 Community License |
| 可商用 | 可以 |
| KV 快取 | 全部 80 層（標準注意力） |
| 發布 | 2024-12 |

```
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 | 8K | 32K |
|---|---|---|---|
| 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 (8K)

| 硬體 | 記憶體 | 最佳量化 | tok/s（預估） |
|---|---|---|---|
| DGX Station (GB300) | 252 GB | FP16 | 33 |
| RTX PRO 5000 48GB Blackwell | 48 GB | Q4_K_M | 21 |
| RTX PRO 6000 Blackwell Workstation Edition | 96 GB | Q8_0 | 16 |
| RTX PRO 6000 Blackwell Max-Q Workstation Edition | 96 GB | Q8_0 | 16 |
| RTX PRO 5000 72GB Blackwell | 72 GB | Q6_K | 16 |
| RTX 6000 Ada Generation | 48 GB | Q4_K_M | 15 |
| RTX A6000 | 48 GB | Q4_K_M | 12 |
| M5 Ultra | 512 GB | FP16 | 5.5 |
| M5 Max (18-core CPU / 40-core GPU) | 128 GB | Q8_0 | 5.3 |
| M4 Max (16-core CPU / 40-core GPU) | 128 GB | Q8_0 | 4.7 |
| M5 Pro | 64 GB | Q4_K_M | 4.7 |
| M4 Pro | 64 GB | Q4_K_M | 4.1 |
| M3 Ultra | 512 GB | FP16 | 3.8 |
| RTX Spark (N1X) laptops & compact desktops | 128 GB | Q8_0 | 2.4 |
| DGX Spark | 128 GB | Q8_0 | 2.2 |
| Ryzen AI Max+ 395 (Strix Halo) systems | 128 GB | Q8_0 | 2.1 |
| Ryzen AI Max+ PRO 495 (Gorgon Halo) systems | 192 GB | FP16 | 1.2 |
| GeForce RTX 3060 (12 GB) | 12 GB | 放不下 | – |
| GeForce RTX 3090 | 24 GB | 放不下 | – |
| GeForce RTX 4060 Ti 16GB | 16 GB | 放不下 | – |
| GeForce RTX 4080 SUPER | 16 GB | 放不下 | – |
| GeForce RTX 4090 | 24 GB | 放不下 | – |
| GeForce RTX 5060 Ti 16GB | 16 GB | 放不下 | – |
| GeForce RTX 5070 | 12 GB | 放不下 | – |
| GeForce RTX 5070 Ti | 16 GB | 放不下 | – |
| GeForce RTX 5080 | 16 GB | 放不下 | – |
| GeForce RTX 5090 | 32 GB | 放不下 | – |
| Radeon RX 7900 XT | 20 GB | 放不下 | – |
| Radeon RX 7900 XTX | 24 GB | 放不下 | – |
| Radeon RX 9060 XT 16GB | 16 GB | 放不下 | – |
| Radeon RX 9070 XT | 16 GB | 放不下 | – |
| Arc B580 | 12 GB | 放不下 | – |
| Radeon AI PRO R9700 | 32 GB | 放不下 | – |
| Arc Pro B60 | 24 GB | 放不下 | – |
| Arc Pro B70 | 32 GB | 放不下 | – |
| M4 Max (14-core CPU / 32-core GPU) | 36 GB | 放不下 | – |
| M5 | 32 GB | 放不下 | – |
| M5 Max (18-core CPU / 32-core GPU) | 36 GB | 放不下 | – |
| M6 (16GB configuration, 153 GB/s) | 16 GB | 放不下 | – |
| M6 (24GB/32GB configurations, 170 GB/s) | 32 GB | 放不下 | – |
| RTX PRO 4500 Blackwell | 32 GB | 放不下 | – |
| RTX PRO 4000 Blackwell | 24 GB | 放不下 | – |

## 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 9.1 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