Meta Llama 3.1 8B Instruct (Q2_K_L)su CPU Only
Panoramica
Meta Llama 3.1 8B Instruct è un modello linguistico dense da 8B parametri di Meta, con capacità di code, multilingual, tool-calls. Supporta una finestra di contesto fino a 131,072 token.
Meta Llama 3.1 8B Instruct e un trasformatore denso da 8 miliardi di parametri di Meta, progettato per il seguimento di istruzioni, la generazione di codice e compiti multilingue. Offre un ottimo equilibrio tra qualita ed efficienza nella categoria dei modelli piccoli, superando molte alternative di classe 7B nei benchmark standard. Il modello supporta il "tool calling" e otto lingue tra cui inglese, tedesco e francese. Con una finestra di contesto da 128K e supporto "flash attention", funziona comodamente su una singola GPU consumer ai livelli di quantizzazione Q4.
Con la quantizzazione Q2_K_L (livello di qualità low), il modello pesa 3.44 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 | 3.44 GB |
| VRAM disponibile | 0 GB |
| VRAM utilizzata | 0 GB |
| RAM di sistema | |
| RAM min richiesta | 3.4 GB |
| Livelli GPU | 0 / 32 |
| 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/meta-llama-3-1-8b-instruct/q2_k_l/cpu.yaml) applyFile values.yaml
/values/meta-llama-3-1-8b-instruct/q2_k_l/cpu.yaml
Caricamento valori…Domande frequenti
Quanta VRAM serve per Meta Llama 3.1 8B Instruct (Q2_K_L)?
La quantizzazione Q2_K_L di Meta Llama 3.1 8B Instruct richiede 3.44 GB. I 0 GB di VRAM di CPU Only sono insufficienti per i livelli GPU, quindi l'inferenza viene eseguita sulla CPU.
Posso eseguire Meta Llama 3.1 8B Instruct su CPU Only?
È possibile ma non consigliato. CPU Only non ha abbastanza VRAM per accelerare Meta Llama 3.1 8B Instruct (Q2_K_L), 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. Q2_K_L comprime Meta Llama 3.1 8B Instruct dalla sua dimensione originale a 3.44 GB.
Quale quantizzazione scegliere per Meta Llama 3.1 8B Instruct?
Q2_K_L è una quantizzazione di bassa 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 Meta Llama 3.1 8B Instruct (Q2_K_L) richiede circa 3.44 GB. Solo 0 dei 32 livelli entrano nella VRAM; i livelli rimanenti vengono eseguiti sulla CPU, che è più lenta ma funzionale.
Come eseguire Meta Llama 3.1 8B Instruct (Q2_K_L) con Ollama?
Esegui ollama run llama3.1:8b-instruct-q2_k_l per avviare Meta Llama 3.1 8B Instruct (Q2_K_L). Ollama scarica automaticamente i pesi del modello al primo avvio.