Llama 3.3 70B Instruct (Q8_0) — 31.4 GBen NVIDIA RTX 5090
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 Q8_0 (nivel de calidad high), el modelo pesa 69.82 GB. Esto excede los 32 GB de VRAM de NVIDIA RTX 5090. La inferencia sigue siendo posible mediante descarga a CPU o carga mapeada en memoria desde disco, pero con un rendimiento significativamente reducido.
Requisitos de Hardware
| Tamaño del modelo | 69.82 GB |
| VRAM disponible | 32 GB |
| VRAM utilizada | 31.4 GB |
| RAM del sistema | |
| RAM mín. requerida | 40.1 GB |
| Capas GPU | 34 / 80 |
| Tamaño del contexto | 1578 |
| Backend | cuda13 |
| Flash attention | Sí |
| Lectura desde disco | Sí |
Notas de rendimiento
Despliegue
Prerrequisitos
Asegúrese de que sus nodos GPU estén preparados con el NVIDIA container toolkit:
ansible-playbook prositronic.infra.nvidia_container_toolkitComando
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/llama-3-3-70b-instruct/q8_0/nvidia-rtx5090.yaml) applyArchivo values.yaml
/values/llama-3-3-70b-instruct/q8_0/nvidia-rtx5090.yaml
Cargando valores…Preguntas frecuentes
¿Cuánta VRAM necesita Llama 3.3 70B Instruct (Q8_0)?
La cuantización Q8_0 de Llama 3.3 70B Instruct requiere 69.82 GB. 34 de 80 capas caben en los 32 GB de VRAM de NVIDIA RTX 5090; las capas restantes se descargan al CPU.
¿Puedo ejecutar Llama 3.3 70B Instruct en NVIDIA RTX 5090?
Sí, con rendimiento reducido. NVIDIA RTX 5090 puede ejecutar Llama 3.3 70B Instruct (Q8_0), pero solo 34 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. Q8_0 comprime Llama 3.3 70B Instruct de su tamaño original a 69.82 GB.
¿Qué cuantización debo elegir para Llama 3.3 70B Instruct?
Q8_0 es una cuantización de alta 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 5090, flash attention está activado para maximizar la longitud de contexto y el rendimiento dentro de los 32 GB de VRAM disponibles.
¿Por qué se descargan algunas capas al CPU?
NVIDIA RTX 5090 tiene 32 GB de VRAM, pero Llama 3.3 70B Instruct (Q8_0) requiere aproximadamente 69.82 GB. Solo 34 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 (Q8_0) con Ollama?
Ejecute ollama run llama3.3:70b-instruct-q8_0 para iniciar Llama 3.3 70B Instruct (Q8_0). Ollama descarga automáticamente los pesos del modelo en la primera ejecución.