Llama 3.3 70B Instruct (Q6_K)su CPU Only
Panoramica
Llama 3.3 70B Instruct è un modello linguistico dense da 70B parametri di Meta, con capacità di code, multilingual, tool-calls. Supporta una finestra di contesto fino a 131,072 token.
Llama 3.3 70B Instruct e un trasformatore denso da 70 miliardi di parametri di Meta, ottimizzato per il seguimento di istruzioni, la generazione di codice e la conversazione multilingue. Offre prestazioni competitive con modelli piu grandi della famiglia Llama, rimanendo pratico per deployment GPU su singolo nodo. Il modello supporta il "tool calling" e otto lingue tra cui inglese, francese, spagnolo e tedesco. Con una finestra di contesto da 128K e "grouped-query attention", si quantizza in modo efficiente fino a livelli Q4 per inferenza self-hosted su hardware consumer.
Con la quantizzazione Q6_K (livello di qualità high), il modello pesa 53.91 GB. Questo supera i 0 GB di VRAM di CPU Only. L'inferenza è comunque possibile tramite scaricamento su CPU o caricamento mappato in memoria dal disco, ma con prestazioni notevolmente ridotte.
Una configurazione solo CPU senza accelerazione GPU. L'inferenza viene eseguita interamente sulla CPU, il che e notevolmente piu lento rispetto alle configurazioni con GPU, ma non richiede hardware specializzato. Prestazioni e dimensione massima del modello dipendono dalla RAM disponibile. Adatta a test, sviluppo o deployment dove non e disponibile una GPU.
Requisiti Hardware
| Dimensione del modello | 53.91 GB |
| VRAM disponibile | 0 GB |
| VRAM utilizzata | 0 GB |
| RAM di sistema | |
| RAM min richiesta | 53.9 GB |
| Livelli GPU | 0 / 80 |
| Dimensione del contesto | 131.072 |
| Backend | cpu |
| Flash attention | No |
| Lettura da disco | Sì |
Note sulle prestazioni
Distribuzione
Comando
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/llama-3-3-70b-instruct/q6_k/cpu.yaml) applyFile values.yaml
/values/llama-3-3-70b-instruct/q6_k/cpu.yaml
Caricamento valori…Domande frequenti
Quanta VRAM serve per Llama 3.3 70B Instruct (Q6_K)?
La quantizzazione Q6_K di Llama 3.3 70B Instruct richiede 53.91 GB. I 0 GB di VRAM di CPU Only sono insufficienti per i livelli GPU, quindi l'inferenza viene eseguita sulla CPU.
Posso eseguire Llama 3.3 70B Instruct su CPU Only?
È possibile ma non consigliato. CPU Only non ha abbastanza VRAM per accelerare Llama 3.3 70B Instruct (Q6_K), quindi l'inferenza si baserà su CPU e RAM di sistema.
Cos'è la quantizzazione?
La quantizzazione riduce la precisione numerica di un modello dal suo formato originale in virgola mobile a una rappresentazione più compatta. Questo riduce la dimensione del file e l'impronta VRAM, rendendo possibile eseguire modelli di grandi dimensioni su hardware consumer. Il compromesso è una leggera riduzione della qualità dell'output. Q6_K comprime Llama 3.3 70B Instruct dalla sua dimensione originale a 53.91 GB.
Quale quantizzazione scegliere per Llama 3.3 70B Instruct?
Q6_K è una quantizzazione di alta qualità. I quant di qualità superiore (Q8, Q6) preservano maggiore precisione del modello ma necessitano di più VRAM. I quant inferiori (Q4, Q3, Q2) riducono l'uso di VRAM a scapito della qualità. Scegli in base al tuo hardware disponibile e ai requisiti di qualità.
Perché alcuni livelli vengono scaricati sulla CPU?
CPU Only ha 0 GB di VRAM, ma Llama 3.3 70B Instruct (Q6_K) richiede circa 53.91 GB. Solo 0 dei 80 livelli entrano nella VRAM; i livelli rimanenti vengono eseguiti sulla CPU, che è più lenta ma funzionale.
Come eseguire Llama 3.3 70B Instruct (Q6_K) con Ollama?
Esegui ollama run llama3.3:70b-instruct-q6_k per avviare Llama 3.3 70B Instruct (Q6_K). Ollama scarica automaticamente i pesi del modello al primo avvio.