Llama · 8B
Llama 3.1 8B
- Total paramètres8B
- Contexte max128k tokens
- FamilleLlama
- TypeDense
face-à-face · LLM local
Llama 3.1 8B vs Llama 3.2 3B
Comparatif chiffré : VRAM requise par quantization, GPUs compatibles pour faire tourner chacun en local, et verdict construit depuis les specs réelles. Pas de bench truqué, juste les chiffres.
8B
params Llama 3.1 8B
3B
params Llama 3.2 3B
Llama
famille A
Llama
famille B
▲ Specs côte à côte
Les chiffres bruts.
Llama · 3B
Llama 3.2 3B
- Total paramètres3B
- Contexte max128k tokens
- FamilleLlama
- TypeDense
▲ VRAM par quantization
Combien de VRAM il te faut.
Estimation incluant l'overhead (KV cache + activations) ×1.12. Pour un MoE, on prend les paramètres totaux car le modèle complet doit être chargé en mémoire (les experts inactifs aussi).
| Quant | Llama 3.1 8B | Llama 3.2 3B | Écart |
|---|---|---|---|
| Q3 | 3.9 GB | 1.5 GB | 2.4 GB |
| Q4 | 5 GB | 1.9 GB | 3.1 GB |
| Q5 | 6.2 GB | 2.3 GB | 3.9 GB |
| Q6 | 7.3 GB | 2.7 GB | 4.6 GB |
| Q8 | 9 GB | 3.4 GB | 5.6 GB |
| FP16 | 17.9 GB | 6.7 GB | 11.2 GB |
▲ GPU minimum pour chacun en Q4
Quel GPU suffit pour quoi.
Pour Llama 3.1 8B en Q4
GTX 1060 6GB
6 GB de VRAM — suffisant pour les 5.0 GB requis en Q4.
→ Fiche GTX 1060 6GBPour Llama 3.2 3B en Q4
GTX 1650
4 GB de VRAM — suffisant pour les 1.9 GB requis en Q4.
→ Fiche GTX 1650▲ Verdict
Ce que les chiffres disent.
Llama 3.1 8B est 2.7× plus gros que Llama 3.2 3B — plus de connaissances, mais 5 GB de VRAM contre 2 GB.
Choisir Llama 3.1 8B
Tu privilégies la qualité de raisonnement, tu as une grosse VRAM (48 GB+), tu acceptes un débit plus faible.
→ Fiche Llama 3.1 8BChoisir Llama 3.2 3B
Tu manques de VRAM, tu veux du débit token/s, ou tu déploies sur edge (laptop, mini-PC).
→ Fiche Llama 3.2 3BTester avec ton GPU ?
Le calculateur croise ces 2 modèles avec 200+ GPUs et te donne tok/s estimés, €/Mtok et break-even cloud.