01できること
長所
- 128k コンテキスト
- サイズに対して品質が非常に高い
- コーディングと指示への追従に非常に優れる
- Meta ライセンス <700M MAU
知っておくべき限界
- —ほとんどのベンチマークでQwen 3 8Bに劣る
- —ビジョン非対応
アーキテクチャ
密なTransformer · 32層 · GQA · Llama 3.1 8B
トレーニング
Metaの多言語トークン15T。指示に従うためのファインチューニング。
おすすめの用途
Chatドキュメントの分析RAG
05インストール
インストール Ollama お使いのOS向け。ダウンロード前にモデルと量子化を確認してください。まずはコンテキストを4096トークンに設定し、その後、ollama ps でモデルの配置先を確認してください。以下にコマンドが記載されていることは、お使いのマシンでテストが実行された証拠にはなりません。
$ollama run llama3.1:8b
LM Studio
グラフィカルインターフェース、CLI不要
→ ガイドを見る
llama.cpp
純粋な性能、ソースからのビルド
→ ガイドを見る
vLLM
OpenAI互換の本番サーバー
→ ガイドを見る
Jan / GPT4All
オールインワンデスクトップアプリ
→ ガイドを見る
⚠
初回ダウンロード：選択した量子化により 2 GB から 40 GB。ディスク容量を確保し、安定した接続を推奨します。その後の起動は即時です。
02必要なメモリ
このモデルを動作させるためのGPU VRAMの概算値（4kトークンのコンテキストオーバーヘッドを含む）。より長いコンテキストが必要な場合は、8kトークンごとに約1 GBを追加してください。
Q4_K_M
最も軽量、損失約 5%
6 GB
Q5_K_M
品質とサイズのバランスが良好
7 GB
Q8_0
FP16とほぼ区別がつかない
10 GB
FP16
フル精度 — サーバー用途
18 GB
CPU フォールバック ・GPUがない場合は、 10 RAM（GB） このモデルを低速で実行するための最低要件。
Llama 3.1 8Bに必要なハードウェアは？
Llama 3.1 8BをQ4量子化でローカル実行するには、VRAM 6 GB程度が必要です。比較候補：RTX 5060 Ti 16 GB — システムとコンテキスト用のメモリに余裕を持たせ、推論エンジンがGPUに対応していることを確認してください。
現在のオファー： RTX 5060 Ti 16 GB
Amazon価格を見る →Materiel.net価格を見る →Darty価格を見る →アフィリエイトリンク — 当サイトが報酬を受け取る場合がありますが、お客様に追加費用はかかりません。おすすめは独立した判断に基づいています。Amazonアソシエイトとして、QuelLLMは条件を満たす購入によって収益を得ます。
外出先では： Llama 3.1 8B 〜でも動作します RTX搭載ノートPC (16 GBのVRAM) →
クラウドを使わず、このモデルを自分専用のChatGPTで利用
お使いのマシンで、プライベートかつ無料のChatGPTを1時間で構築 — LM Studio、Ollama、Open WebUI、ご自身のドキュメント、クラウド不要。
- 永久に利用できるオンラインスペース
- PDF + ファイル
- 30日間返金対応
03予想速度
Q4_K_M、コンテキスト 4k での毎秒生成トークン数。 20 t/sを超えると快適に読めます。 10 t/s未満では、試用にとどまります。
04パブリックベンチマーク
スコアはモデルカード、またはMMLU-Pro／コミュニティの資料から転載したものです。単位：正答率（%）。
MMLU
73
HumanEval
72.6
GPQA
46.7
QuelLLM キット用途別のリファレンスガイド
すべてのキットを永久に利用 — 49 €