👁️ 多模態2 版本Llama 3.2

LLaMA 3.2

Meta LLaMA 3.2 90B 視覺旗艦版，支援高解析度圖像理解和 128K 上下文，需多 GPU 部署（Q4 約 54 GB）。

↻資料更新：2026年3月25日

選擇版本（參數量）

我的 GPU VRAM：

量化等級

上下文長度

Q4_K_M · 8K context

模型權重 + KV Cache + 0.5 GB overhead

9.9 GB

完整 VRAM 對照表（所有量化 × 上下文）

安裝 Ollama 後直接執行，自動下載並運行模型。

ollama run llama3.2:11b

適合進階用戶，支援 CPU 和 GPU 混合推理，可精確控制量化等級。

# Download GGUF model from Hugging Face, then run:
./llama-cli -m model.gguf -p "Hello" -n 128

適合生產環境，支援批次推理和 OpenAI 相容 API。

pip install vllm
vllm serve LLaMA 3.2 --dtype auto

ollama run llama3.2:11b

參數量11B

最大上下文128K tokens

HF 下載量3.5M/月

多模態理解高解析視覺超長上下文旗艦級性能

OllamavLLMllama.cppSGLang

分享你的使用體驗，幫助其他人了解這個模型

0/1000

還沒有評論，成為第一個分享心得的人！