deur meta-llama
Llama 3.2 1B Instruct
meta-llama/Llama-3.2-1B-Instruct
Alle syfers is skattings. Werklike geheuegebruik en spoed hang af van u drywers, instellings en ander programme wat loop.
- Parameters
- 1.2B
- Lisensie
- llama3.2
- Gepubliseer
- 18 Sep. 2024
Die lisensie is dié van die modelvervaardiger. Kyk na die voorwaardes daarvan voordat u die model gebruik.
Hugging Face vra dat u die vervaardiger se voorwaardes aanvaar voordat u hierdie model aflaai. Daar word geen stel daarvoor verkoop nie.
Oorspronklike op Hugging Face ↗Geheue benodig volgens kwantisering
By 8 192 tokens konteks, insluitend 0,8 GB vir die looptyd.
| Kwantisering | Modellêer | Totaal |
|---|---|---|
| Q4_K_M | 0.7 GB | 1.6 GB(rofweg) |
| Q5_K_M | 0.9 GB | 1.8 GB(rofweg) |
| Q6_K | 1.0 GB | 1.9 GB(rofweg) |
| Q8_0 | 1.3 GB | 2.2 GB(rofweg) |
| F16 | 2.5 GB | 3.5 GB(rofweg) |
Hardeware wat dit op die grafiese kaart laat loop
By Q4_K_M en 8 192 tokens konteks.
- NVIDIA GeForce RTX 3060 (12 GB)
- NVIDIA GeForce RTX 3070
- NVIDIA GeForce RTX 3080 (10 GB)
- NVIDIA GeForce RTX 3090
- NVIDIA GeForce RTX 4070
- NVIDIA GeForce RTX 4070 Ti SUPER
- NVIDIA GeForce RTX 4080 SUPER
- NVIDIA GeForce RTX 4090
- NVIDIA GeForce RTX 5060 Ti (16 GB)
- NVIDIA GeForce RTX 5070
- NVIDIA GeForce RTX 5070 Ti
- NVIDIA GeForce RTX 5080
- NVIDIA GeForce RTX 5090
- AMD Radeon RX 7600
- AMD Radeon RX 7700 XT
- AMD Radeon RX 7800 XT
- AMD Radeon RX 7900 XT
- AMD Radeon RX 7900 XTX
- AMD Radeon RX 9070 XT
- Apple M1 Pro
- Apple M1 Max
- Apple M2
- Apple M2 Pro
- Apple M2 Max
- Apple M3
- Apple M3 Pro
- Apple M3 Max (30-core GPU)
- Apple M3 Max (40-core GPU)
- Apple M4
- Apple M4 Pro
- Apple M4 Max (32-core GPU)
- Apple M4 Max (40-core GPU)
- Apple M5
- AMD Ryzen AI Max+ 395
Dieselfde model deur 'n API
Goedkoopste verkoper: Inference, $0.09 per maand teen die verstekgebruik (200 versoeke per dag).
Sien die pryse op die Model Price MapModelbesonderhede kom uit Hugging Face se openbare lyste (name, groottes, lisensies). Elke modelbladsy skakel na die oorspronklike.