Modelos abiertos
¿Qué equipo necesito para ejecutar Llama-3.1-70B-Instruct en local?
Con 25 usuarios simultáneos, el equipo más pequeño que ejecuta Llama-3.1-70B-Instruct es Starter (2 × NVIDIA DGX Spark o 1 × Apple Mac Studio M5 Ultra), en FP16: necesita hasta 167 GB de memoria y el equipo tiene 230 GB útiles. La cuenta parte de sus 70,55B parámetros según Hugging Face y es la misma de la calculadora de VRAM, que puedes abrir con este modelo ya cargado.
Memoria en cada precisión
| Precisión | Pesos | Con caché KV y margen | Equipo más pequeño |
|---|---|---|---|
| FP16 (2 bytes) | 141 GB | 161 a 167 GB | Starter |
| FP8 (1 byte) | 70,6 GB | 83,6 a 89 GB | Starter |
| NVFP4 (0,5625 bytes) | 39,7 GB | 49,7 a 55 GB | Starter |
Usuarios simultáneos en cada equipo
| Equipo | Memoria útil | Techo de usuarios | FP16 | FP8 | NVFP4 |
|---|---|---|---|---|---|
| Starter | 230 GB | 25 | 25 usuarios: 167 GB | 25 usuarios: 89 GB | 25 usuarios: 55 GB |
| Pro | 460 GB | 60 | 60 usuarios: 177 GB | 60 usuarios: 99,7 GB | 60 usuarios: 65,8 GB |
| Business | 670 GB | 500 | 500 usuarios: 325 GB | 500 usuarios: 247 GB | 500 usuarios: 213 GB |
| Enterprise | 2000 GB | Sin techo | 1000 usuarios: 493 GB | 1000 usuarios: 415 GB | 1000 usuarios: 381 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 FP16 con 25 usuarios: 70,55B × 2 bytes = 141 GB de pesos + 4 a 9 GB de caché KV (3 a 7 conversaciones de 8.192 tokens, con la caché por token del tamaño de referencia de 70B de la calculadora) + 16 GB de margen (2 GB y un 10% de los pesos) = 161 a 167 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.