Llama 3.3 70B Instruct (Q3_K_XL) — 23.4 GBen NVIDIA RTX 4090

Q3_K_XL NVIDIA RTX 4090

Descripción General

Llama 3.3 70B Instruct es un modelo de lenguaje dense de 70B parámetros de Meta, con capacidades de code, multilingual, tool-calls. Admite una ventana de contexto de hasta 131,072 tokens.

Llama 3.3 70B Instruct es un transformador denso de 70.000 millones de parametros de Meta, optimizado para el seguimiento de instrucciones, la generacion de codigo y la conversacion multilingue. Ofrece un rendimiento competitivo con modelos mas grandes de la familia Llama manteniendo la practicidad para despliegues GPU en un solo nodo. El modelo soporta "tool calling" y ocho idiomas, incluidos ingles, frances, espanol y aleman. Con una ventana de contexto de 128K y "grouped-query attention", se cuantiza eficientemente hasta niveles Q4 para inferencia autoalojada en hardware de consumo.

Con cuantización Q3_K_XL (nivel de calidad low), el modelo pesa 35.45 GB. Esto excede los 24 GB de VRAM de NVIDIA RTX 4090. La inferencia sigue siendo posible mediante descarga a CPU o carga mapeada en memoria desde disco, pero con un rendimiento significativamente reducido.

La NVIDIA GeForce RTX 4090 es una GPU de consumo con 24 GB de GDDR6X VRAM y 1008 GB/s de ancho de banda de memoria. Ofrece 82.6 FP16 TFLOPS, lo que la convierte en una de las tarjetas de consumo mas rapidas para la inferencia LLM local. Maneja modelos cuantizados de hasta 20B parametros con facilidad. Ideal para constructores de home lab y desarrolladores que buscan inferencia de alto rendimiento sin hardware de datacenter.

Requisitos de Hardware

Tamaño del modelo	35.45 GB
VRAM disponible	24 GB
VRAM utilizada	23.4 GB
RAM mín. requerida	13.7 GB
Capas GPU	49 / 80
Tamaño del contexto	1448
Backend	cuda13
Flash attention	Sí

Notas de rendimiento

Rendimiento reducido

31 de 80 capas se ejecutan en CPU. Su sistema necesita al menos 13.7 GB de RAM. Si la RAM del sistema es insuficiente, los datos se leerán del disco bajo demanda, con un impacto significativo en el rendimiento.

Conversaciones más cortas

El tamaño del contexto se ha reducido debido a restricciones de memoria. Esto puede afectar la capacidad del modelo para manejar conversaciones largas.

Despliegue

Servidor Local

Prerrequisitos

Asegúrese de que sus nodos GPU estén preparados con el NVIDIA container toolkit:

ansible-playbook prositronic.infra.nvidia_container_toolkit

Comando

helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/llama-3-3-70b-instruct/q3_k_xl/nvidia-rtx4090.yaml) apply

Archivo values.yaml

/values/llama-3-3-70b-instruct/q3_k_xl/nvidia-rtx4090.yaml

Cargando valores…

Instalar llama.cpp

Instale llama.cpp desde las instrucciones de compilación oficiales para su plataforma y backend.

Descargar modelo

curl -L -o llama-3-3-70b-instruct.gguf "https://huggingface.co/bartowski/Llama-3.3-70B-Instruct-GGUF/resolve/main/Llama-3.3-70B-Instruct-Q3_K_XL.gguf"

Iniciar servidor

llama-server \
  -m llama-3-3-70b-instruct.gguf \
  --n-gpu-layers 49 \
  --ctx-size 1448 \
  --flash-attn

Verificar

curl http://localhost:8080/health

Explorar

• Configurar un despliegue
• Explorar modelos
• Explorar hardware

Otras cuantizaciones

• Llama 3.3 70B Instruct (FP16)
• Llama 3.3 70B Instruct (Q8_0)
• Llama 3.3 70B Instruct (Q5_K_M)

Otro hardware

• Llama 3.3 70B Instruct on CPU Only
• Llama 3.3 70B Instruct on NVIDIA A100 80GB
• Llama 3.3 70B Instruct on NVIDIA H100

Preguntas frecuentes

¿Cuánta VRAM necesita Llama 3.3 70B Instruct (Q3_K_XL)?

La cuantización Q3_K_XL de Llama 3.3 70B Instruct requiere 35.45 GB. 49 de 80 capas caben en los 24 GB de VRAM de NVIDIA RTX 4090; las capas restantes se descargan al CPU.

¿Puedo ejecutar Llama 3.3 70B Instruct en NVIDIA RTX 4090?

Sí, con rendimiento reducido. NVIDIA RTX 4090 puede ejecutar Llama 3.3 70B Instruct (Q3_K_XL), pero solo 49 de 80 capas caben en la VRAM. El resto se descarga al CPU.

¿Qué es la cuantización?

La cuantización reduce la precisión numérica de un modelo de su formato original de punto flotante a una representación más compacta. Esto reduce el tamaño del archivo y la huella de VRAM, haciendo posible ejecutar modelos grandes en hardware de consumo. La contrapartida es una pequeña reducción en la calidad de salida. Q3_K_XL comprime Llama 3.3 70B Instruct de su tamaño original a 35.45 GB.

¿Qué cuantización debo elegir para Llama 3.3 70B Instruct?

Q3_K_XL es una cuantización de baja calidad. Los quants de mayor calidad (Q8, Q6) preservan más precisión del modelo pero necesitan más VRAM. Los quants inferiores (Q4, Q3, Q2) reducen el uso de VRAM a costa de cierta calidad. Elija según su hardware disponible y requisitos de calidad.

¿Qué es flash attention y por qué está activado?

Flash attention es un algoritmo eficiente en memoria que acelera el mecanismo de atención en modelos transformer. Reduce el uso de VRAM durante la inferencia evitando la materialización de la matriz de atención completa. Para Llama 3.3 70B Instruct en NVIDIA RTX 4090, flash attention está activado para maximizar la longitud de contexto y el rendimiento dentro de los 24 GB de VRAM disponibles.

¿Por qué se descargan algunas capas al CPU?

NVIDIA RTX 4090 tiene 24 GB de VRAM, pero Llama 3.3 70B Instruct (Q3_K_XL) requiere aproximadamente 35.45 GB. Solo 49 de 80 capas caben en la VRAM; las capas restantes se ejecutan en el CPU, que es más lento pero funcional.

¿Cómo ejecutar Llama 3.3 70B Instruct (Q3_K_XL) con Ollama?

Ejecute ollama run llama3.3:70b-instruct-q3_k_xl para iniciar Llama 3.3 70B Instruct (Q3_K_XL). Ollama descarga automáticamente los pesos del modelo en la primera ejecución.

Última actualización: 5 de marzo de 2026