# Llama-3.3-70B-Instruct 的 GPU 需求

Llama-3.3-70B-Instruct 有 71B 参数。部署推理时，16 位约需 169 GB 显存，8 位约 85 GB，4 位约 42 GB，其中包含约 20% 用于 KV 缓存和激活值。

[在 Arrakis 上部署](/console/#/models?model=meta-llama/Llama-3.3-70B-Instruct)。

## 部署推理需要什么

| 精度 | 显存与最小配置 |
|---|---|
| 16 位 | 169 GB：一块 [B200](/zh-cn/gpus/b200.html.md)，每 GPU 小时 $6.79 起 |
| 8 位 | 85 GB：一块 [RTX PRO 6000](/zh-cn/gpus/rtx-pro-6000.html.md)，每 GPU 小时 $1.90 起 |
| 4 位 | 42 GB：一块 [L40S](/zh-cn/gpus/l40s.html.md)、[RTX 6000 Ada](/zh-cn/gpus/rtx-6000-ada.html.md) 或 [RTX A6000](/zh-cn/gpus/rtx-a6000.html.md)，L40S 每 GPU 小时 $0.44 起 |

## 微调需要什么

| 方法 | 显存与最小配置 |
|---|---|
| QLoRA | 49 GB：一块 [H100](/zh-cn/gpus/h100.html.md) 或 [A100](/zh-cn/gpus/a100.html.md)，H100 每 GPU 小时 $1.65 起 |
| LoRA | 169 GB：一块 [B200](/zh-cn/gpus/b200.html.md)，每 GPU 小时 $6.79 起 |
| 全量微调 | 1,129 GB：8 × [B200](/zh-cn/gpus/b200.html.md)，8 块合计每小时 $54.32 起 |

## 关于这个模型

| | |
|---|---|
| 参数量 | `71B` |
| 发布精度 | `BF16` |
| 许可证 | `llama3.3` |
| 发布日期 | `2024-11-26` |
| 权重 | [meta-llama/Llama-3.3-70B-Instruct](https://huggingface.co/meta-llama/Llama-3.3-70B-Instruct) |

## 自己部署

```
vllm serve meta-llama/Llama-3.3-70B-Instruct --tensor-parallel-size 1
```

## 常见问题

**Llama-3.3-70B-Instruct 需要多少显存？** 推理部署时，16 位约需 169 GB，8 位约 85 GB，4 位约 42 GB，其中包含约 20% 用于 KV 缓存和激活值。微调时，QLoRA 约需 49 GB，LoRA 约需 169 GB，使用 Adam 全量微调约需 1,129 GB，均未计入激活值。

**Llama-3.3-70B-Instruct 能在单块 GPU 上运行吗？** 可以。16 位下约需 169 GB，一块 B200 就能放下。

**运行 Llama-3.3-70B-Instruct 要多少钱？** 16 位下需要一块 B200；4 位下需要一块 L40S、RTX 6000 Ada 或 RTX A6000。本页每种配置都显示 Arrakis 当前每 GPU 小时的最低价格，从预付余额中按小时扣费。

**如何在 Arrakis 上部署 Llama-3.3-70B-Instruct？** 在 Arrakis 控制台中打开 Models，粘贴 meta-llama/Llama-3.3-70B-Instruct，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。


更多模型：[/models](/zh-cn/models.html.md)。