Llama 3.1 8B Instruct: какие файлы скачать (GGUF/Ollama/MLX) — все кванты, размеры и VRAM
Полная раскладка весовых файлов Llama 3.1 8B Instruct (8 B): 6 записей — Ollama-теги, GGUF (все кванты и провайдеры, multi-part), MLX и vLLM-сборки. Размеры — точные байты из манифестов/репо от 19.10.2026, не оценка «0.6 × параметры».
Dense-модель: и память, и скорость — по полным 8 B. Оригинальное HF-репо meta-llama/Llama-3.1-8B-Instruct — gated (401 без токена). GGUF-размеры — из публичных репо unsloth/lmstudio-community + сверка с Ollama-реестром (Q4_K_M: 4,920,739,200 / 4,920,738,944 — совпадает).
Ollama (registry.ollama.ai)
| Тег | Квант | Размер | Запуск |
|---|---|---|---|
llama3.1:8b | Q4_K_M | 4.92 ГБ | ollama pull llama3.1:8b |
Размер — сумма слоёв манифеста registry.ollama.ai (19.10.2026). Реестр несёт один квант на тег (обычно Q4_K_M): прочие кванты — в GGUF-таблице ниже.
GGUF (все кванты и провайдеры)
| Квант | Файл / провайдер | Размер | Скачать |
|---|---|---|---|
| Q4_K_M | unsloth/Llama-3.1-8B-Instruct-GGUF ↗ Llama-3.1-8B-Instruct-Q4_K_M.gguf | 4.92 ГБ | |
| Q5_K_M | unsloth/Llama-3.1-8B-Instruct-GGUF ↗ Llama-3.1-8B-Instruct-Q5_K_M.gguf | 5.73 ГБ | |
| Q4_K_M | lmstudio-community/Meta-Llama-3.1-8B-Instruct-GGUF ↗ Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf | 4.92 ГБ | |
| Q8_0 | lmstudio-community/Meta-Llama-3.1-8B-Instruct-GGUF ↗ Meta-Llama-3.1-8B-Instruct-Q8_0.gguf | 8.54 ГБ |
MLX (только Apple Silicon)
| Репозиторий | Квант | Размер | Скачать |
|---|---|---|---|
| mlx-community/Llama-3.1-8B-Instruct-4bit ↗ | 4bit | 4.52 ГБ | РФ (hf-mirror) ↗ |
Сколько памяти под контекст
| Контекст | KV-кэш (fp16) | Итого (Q4_K_M 4.92 ГБ + KV + 1.5 ГБ) | 8 ГБ | 12 ГБ | 16 ГБ | 24 ГБ |
|---|---|---|---|---|---|---|
| 4K | 0.5 ГБ | 7 ГБ | ✓ | ✓ | ✓ | ✓ |
| 8K | 1.1 ГБ | 7.5 ГБ | — | ✓ | ✓ | ✓ |
| 16K | 2.1 ГБ | 8.6 ГБ | — | ✓ | ✓ | ✓ |
| 32K | 4.3 ГБ | 10.7 ГБ | — | ✓ | ✓ | ✓ |
KV — оценка 16-бит (fp16-кэш); q8_0-KV-кэш режет колонку KV вдвое.
Влезает на N ГБ (Q4_K_M, контекст 16K + overhead)
| Память | Бюджет (90%) | Итого @16K | Вердикт | Макс. контекст |
|---|---|---|---|---|
| 8 ГБ | 7.2 ГБ | 8.6 ГБ | не влезает → offload | до ~6K токенов |
| 16 ГБ | 14.4 ГБ | 8.6 ГБ | влезает | до ~61K токенов |
| 24 ГБ | 21.6 ГБ | 8.6 ГБ | влезает | до ~116K токенов |
| 48 ГБ | 43.2 ГБ | 8.6 ГБ | влезает | до ~281K токенов |
Бюджет — 90% VRAM (dedicated); unified (Mac) — 70–85%. Не влезает → CPU-offload (1–5 tok/s) или часть весов на GPU (n-gpu-layers). Минимально из вердиктов: 16 ГБ.
Оговорки и ссылки
- Размеры — фактические байты из Ollama-реестра / HF API от 19.10.2026 (методика — в данных files.json).
- «РФ (hf-mirror)» — зеркало hf-mirror.com (Япония): проверено из-за границы 19.10.2026, доступность из РФ не проверялась — проверьте со своего IP (гайд: скачать в России).
- Ссылки на HuggingFace/hf-mirror —
rel="nofollow"(не e-com). Оценка памяти — модель, не бенчмарк.