跳转到主要内容

Llama 3.2 11B Vision Instruct

11B

Meta Llama 3.2

多模态 Llama,支持图像理解。视觉编码器额外增加约 2GB 显存开销。

消费级显卡Mac / 苹果芯片

131K

最大上下文

2

量化变体

GGUF Q8_0

最佳质量

+0.5%

困惑度增幅(最佳档位)

量化变体对比

各量化级别的显存、质量损失及 RTX 4090 推理速度

实测 = 本站跑过 · 估算 = 本站未跑过:推算所得,或本站未核实的数字 · 社区 = 公开报告

格式级别BPW显存PPL 损失速度来源操作
GGUFQ4_K_M4.857.7 GB3.5%88 tok/s估算
计算HF
GGUFQ8_08.512.9 GB0.5%72 tok/s估算
计算HF

每个体积对应哪个文件

文件大小不等于显存:显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存,再加 10% 的激活缓冲。两边的单位是有意不同的:文件大小用十进制 GB,和 Hugging Face 列表一致;显存一栏用 GiB(1024³ 字节),并在权重上多算 2%,所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影(mmproj),它是另外下载的文件,两个数字都不含它。

  • GGUF Q4_K_M按计算器这一档位的通用比特率估算,没有核对具体文件。
  • GGUF Q8_0按计算器这一档位的通用比特率估算,没有核对具体文件。

相关社区实测

以下报告只代表报告自身的测试条件,其速度不会替代本页估算,也不能证明你的配置能装下。

我们审核过的链接索引尚未收录此模型的报告。你可以浏览社区实测,或在下方分享自己的测试。

在 llamaPerf 浏览更多实测 ↗

在本地运行 Llama 3.2 11B Vision Instruct

在 Q4_K_M、4K 上下文下,Llama 3.2 11B Vision Instruct 约需 7.7 GB —— 权重 6.3 GB、KV 缓存 0.63 GB、激活缓冲 0.7 GB。本索引中能宽裕跑它的最小规格是 10 GB 显卡 —— 共 2 张,Arc B570 10G 起步;105 张卡中有 77 张可以。这些是计算值而非实测值:估算把「宽裕」的界线画在显存的 88%,大致就是桌面环境需要留出的余量。

上下文变长会多花多少

从 4K 提到 32K 约多占 4.37 GB,总量来到 12.5 GB。权重不随上下文变化,只有 KV 缓存会,而且是线性增长 —— 规划长文档场景时要盯的就是这个数字。该模型的原生上下文是 128K;在 Q4_K_M 下把它全部撑满约需 29 GB。

该下载哪个版本

本索引只收录了 Llama 3.2 11B Vision Instruct 的 GGUF 格式,共 2 个档位(Q4_K_M、Q8_0)。 其中 Q8_0 的公开困惑度损失最低,为 0.5%。列出的最快档位是 Q4_K_M,在 RTX 4090、batch 1 下约 88 tok/s —— 这是估算值,不是本站硬件上的实测。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行;AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM;EXL2 是 ExLlamaV2 —— 仅限 CUDA,而且已经归档,适合本机使用而不适合提供服务。

常见问题

Llama 3.2 11B Vision Instruct 需要多少显存?
在 Q4_K_M、4K 上下文、batch 1 下约 7.7 GB,到 32K 时约 12.5 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲,由模型架构计算得出,不是在显卡上实测的。
Llama 3.2 11B Vision Instruct 能在 10GB 显卡上跑吗?
可以 —— 在 Q4_K_M、4K 上下文下约需 7.7 GB,在 Arc B570 10G 上还剩 2.3 GB,本索引中 2 张 10 GB 显卡都一样。这是能宽裕跑它的最小规格;105 张中有 77 张可以。
Llama 3.2 11B Vision Instruct 该用哪个量化档位?
Q8_0 的公开质量损失最低(0.5%),而 Q4_K_M 是多数人使用的档位。索引中的 2 个档位是 Q4_K_M、Q8_0。

这个模型能跑在哪

按 Q4_K_M、4K 上下文估算,显存从小到大排列。「从容」指估算占用不超过显存的 88%。

提供格式
GGUF

此模型的显卡组合

    本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-11-22 RSS → /zh/feed.xml