Modelos abiertos
¿Qué equipo necesito para ejecutar Llama-3.2-1B en local?
Con 25 usuarios simultáneos, el equipo más pequeño que ejecuta Llama-3.2-1B es Starter (2 × NVIDIA DGX Spark o 1 × Apple Mac Studio M5 Ultra), en FP16: necesita hasta 8,5 GB de memoria y el equipo tiene 230 GB útiles. La cuenta parte de sus 1,24B 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) | 2,5 GB | 6,3 a 8,5 GB | Starter |
| FP8 (1 byte) | 1,2 GB | 5 a 7,1 GB | Starter |
| NVFP4 (0,5625 bytes) | 0,7 GB | 4,4 a 6,5 GB | Starter |
Usuarios simultáneos en cada equipo
| Equipo | Memoria útil | Techo de usuarios | FP16 | FP8 | NVFP4 |
|---|---|---|---|---|---|
| Starter | 230 GB | 25 | 25 usuarios: 8,5 GB | 25 usuarios: 7,1 GB | 25 usuarios: 6,5 GB |
| Pro | 460 GB | 60 | 60 usuarios: 12,8 GB | 60 usuarios: 11,4 GB | 60 usuarios: 10,8 GB |
| Business | 670 GB | 500 | 500 usuarios: 71,8 GB | 500 usuarios: 70,5 GB | 500 usuarios: 69,9 GB |
| Enterprise | 2000 GB | Sin techo | 1000 usuarios: 139 GB | 1000 usuarios: 138 GB | 1000 usuarios: 137 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: 1,24B × 2 bytes = 2,5 GB de pesos + 1,6 a 3,8 GB de caché KV (3 a 7 conversaciones de 8.192 tokens, con la caché por token del tamaño de referencia de 8B de la calculadora) + 2,2 GB de margen (2 GB y un 10% de los pesos) = 6,3 a 8,5 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: llama3.2. Repositorio creado el 25 de septiembre de 2024. Datos de la API de Hugging Face del 22 de noviembre de 2026.