Meta · Dense · GQA
Llama 3.3 70B Instruct: VRAM nach Quantisierung und Kontext
70.6 Mrd. Parameter, 80 Schichten, 8 KV-Heads. In Gigabyte übersetzt sieht das so aus.
Architektur
| Parameters | 70.6B | Vendor model card |
|---|---|---|
| Layers | 80 | config.json |
| Hidden size | 8192 | config.json |
| Attention heads | 64 | config.json |
| KV heads | 8 | config.json (GQA) |
| Head dim | 128 | config.json |
| Max context | 131072 tokens | config.json |
Source: Meta Llama 3 architecture (published); repo gated
VRAM nach Quantisierung
Total includes 8K of KV cache and 1.5 GB runtime overhead.
| Quantisierung | Weights | KV @ 8K | Gesamtbedarf | Läuft auf |
|---|---|---|---|---|
| FP16 / BF16 2.0 B/param | 141.2 GB | 2.7 GB | 145.4 GB | Nein |
| INT8 / Q8_0 1.06 B/param | 74.8 GB | 2.7 GB | 79.0 GB | Mac Studio M4 Max 128GB |
| Q4_K_M (4-bit) 0.6 B/param | 42.4 GB | 2.7 GB | 46.5 GB | Mac Studio M4 Max 128GB |
| Q5_K_M (5-bit) 0.72 B/param | 50.8 GB | 2.7 GB | 55.0 GB | Mac Studio M4 Max 128GB |
KV-Cache nach Kontextlänge
Q4_K_M weights plus 1.5 GB overhead. KV cache at FP16.
| Kontext | KV-Cache | Gesamtbedarf | Läuft auf |
|---|---|---|---|
| 4k | 1.3 GB | 45.2 GB | Mac Studio M4 Max 128GB |
| 8k | 2.7 GB | 46.5 GB | Mac Studio M4 Max 128GB |
| 16k | 5.4 GB | 49.2 GB | Mac Studio M4 Max 128GB |
| 32k | 10.7 GB | 54.6 GB | Mac Studio M4 Max 128GB |
| 64k | 21.5 GB | 65.3 GB | Mac Studio M4 Max 128GB |
| 128k | 42.9 GB | 86.8 GB | Mac Studio M4 Max 128GB |
Fazit
At Q4_K_M the weights alone are about 42.4 GB. With 8K of context and 1.5 GB of runtime overhead it lands near 46.5 GB. It fits: Mac Studio M4 Max 128GB.
Zurück zum Rechner → · Kostenrechner öffnen → · Why 70B won't fit in 24 GB →
Durchsatzwerte sind Schätzungen aus Speicherbandbreite und veröffentlichten Messungen. VRAM-Werte folgen aus Architektur und Quantisierungsannahmen. Prüfen Sie vor dem Kauf Ihre eigene Laufzeitumgebung.