Llama 3.3 70B Instruct

70B

Meta Llama 3.3

Meta 最新 70B，多语言能力提升，可无缝替换 Llama 3.1 70B。

⬇ 17.1K HF 下载量♥ 125 点赞unsloth/Llama-3.3-70B-Instruct-GGUF· 数据更新于 8/14/2026

专业 GPUMac / 苹果芯片

131K

最大上下文

量化变体

GGUF Q5_K_M

最佳质量

99.0%

精度保留率

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 = 本站基准 · 估算 = 公式推算 · 社区 = 公开报告

格式	级别	BPW	显存	PPL 损失	速度	来源	操作
GGUF	Q4_K_M	4.85	43.5 GB	2.6%	38 tok/s	估算	计算 HF
GGUF	Q5_K_M	5.68	50.1 GB	1.0%	32 tok/s	估算	计算 HF
AWQ	INT4	4	38.2 GB	3.7%	54 tok/s	估算	计算 HF

Meta Llama 3.1

Meta 前沿 70B 模型，需要 40GB+ 显存，适合双 3090 或 M2 Ultra。

OpenAI GPT-OSS

GPT-OSS 大杯（总 117B / 激活 5.1B）。原生 MXFP4 权重约 61GB —— 单张 80GB 卡或 128GB 统一内存 Mac 可跑。24GB 消费卡部分卸载虽慢但可用。

Zhipu GLM-4.5

智谱 Agent/推理向 MoE（总 106B / 激活 12B）。Q4 约 64GB —— 96GB+ 统一内存 Mac 或双 48GB 卡最合适。同级别中工具调用能力突出。

Alibaba Qwen2.5

Qwen2.5 旗舰模型，需双 4090 或 A100 80G，大规模推理能力卓越。

针对本模型及同类硬件的部署指南。