URBANO DXIA ON-PREMISE
Menú
Cuéntanos tu caso

Modelos abiertos

¿Qué equipo necesito para ejecutar Llama-3.1-405B en local?

Con 25 usuarios simultáneos, el equipo más pequeño que ejecuta Llama-3.1-405B es Pro (4 × NVIDIA DGX Spark o 2 × Apple Mac Studio M5 Ultra), en NVFP4: necesita hasta 268 GB de memoria y el equipo tiene 460 GB útiles. La cuenta parte de sus 405,85B parámetros según Hugging Face y es la misma de la calculadora de VRAM, que puedes abrir con este modelo ya cargado.

Abrir esta cuenta en la calculadora de VRAM

Memoria en cada precisión

Memoria con 25 usuarios simultáneos y equipo más pequeño que la cubre
PrecisiónPesosCon caché KV y margenEquipo más pequeño
FP16 (2 bytes)812 GB901 a 910 GBEnterprise
FP8 (1 byte)406 GB455 a 463 GBBusiness
NVFP4 (0,5625 bytes)228 GB259 a 268 GBPro

Usuarios simultáneos en cada equipo

Usuarios con los que el modelo cabe en cada equipo y memoria que necesita
EquipoMemoria útilTecho de usuariosFP16FP8NVFP4
Starter230 GB25No cabeNo cabeNo cabe
Pro460 GB60No cabe5 usuarios: 453 GB (no llega a 60)60 usuarios: 285 GB
Business670 GB500No cabe200 usuarios: 554 GB (no llega a 500)500 usuarios: 517 GB
Enterprise2000 GBSin techo1000 usuarios: 1423 GB1000 usuarios: 977 GB1000 usuarios: 782 GB

Los usuarios son las opciones de la calculadora (5, 25, 60, 200, 500, 1.000) hasta el techo de cada equipo. Enterprise no tiene techo en la cuenta: llega a 1.000, la opción más alta del selector.

La cuenta

En NVFP4 con 25 usuarios: 405,85B × 0,5625 bytes = 228 GB de pesos + 6 a 15 GB de caché KV (3 a 7 conversaciones de 8.192 tokens, con la caché por token del tamaño de referencia de 405B de la calculadora) + 25 GB de margen (2 GB y un 10% de los pesos) = 259 a 268 GB.

Supuestos: entre el 10 y el 25% de los usuarios conectados está generando una respuesta en cada momento (como mínimo, una conversación); cada conversación lleva 8.192 tokens de contexto y la caché KV se guarda en FP8. El margen suma 2 GB y un 10% del peso para el servidor de inferencia.

Los parámetros son el recuento de los archivos safetensors que publica Hugging Face y puede no coincidir con la cifra de la ficha del modelo: algunos repositorios suman módulos de decodificación especulativa.

Datos del modelo

Licencia según Hugging Face: llama3.1. Repositorio creado el 16 de julio de 2024. Datos de la API de Hugging Face del 22 de noviembre de 2026.

Ver meta-llama/Llama-3.1-405B en Hugging Face