01Ce qu'il sait faire
- 128k contexte en 3B
- Très rapide sur CPU
- Excellent pour edge/mobile
- Licence Meta community
- —Qualité limitée vs 7B+
- —Pas de vision (version texte seule)
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Quel GPU pour faire tourner Llama 3.2 3B ?
Pour exécuter Llama 3.2 3B en local en quantification Q4, il faut environ 2.5 Go de VRAM. Le meilleur rapport prix/performance : un RTX 5060 (8 Go de VRAM).
Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Benchmarks publics
Scores reproduits depuis les model cards ou MMLU-Pro / communautaires. Unité : % bonnes réponses.
05Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.