开源权重可下已被替代限制许可 · Llama 3.1 Community License
Llama-3.1-Nemotron-70B
Llama-3.1-Nemotron · 70B · NVIDIA · 发布 2024-10-15 · 已被替代 → NVIDIA Nemotron 3 Super 120B-A12B
RLHF 强化版 Llama 3.1 70B，对话榜一度超 GPT-4o。
参数
70.6B
DENSE
上下文
128K
价格 / 1M tok
自建
无官方 API
最低可跑
2× RTX 3090
Q4_K_M · 47 GB · ≈24 tok/s
Arena Elo1267
2024-10-24
AA 综合指数—
代码—
GPQA 推理—
架构简图
- 类型
- Dense
- 注意力
- GQA（64 Q 头 / 8 KV 头）
- 层数
- 80
- 隐藏维
- 8192
- 词表
- 128,256
Llama 3.1 70B 用 HelpSteer2 + REINFORCE RLHF 对齐；128K。
完善中
| 精度 | 权重大小 | 说明 |
|---|---|---|
| BF16 | 141 GB | 官方精度 |
| FP8 | — | 暂无 |
| Q8 | 75 GB | |
| Q4 | 43 GB | GGUF Q4_K_M 或等效 |
- 消费级 24GB
- Q4 需 2×24GB
- 单卡 80GB
- Q4 单卡；BF16 2×80GB
- 8×80GB 节点
- 高并发
KV Cache：320 KiB/token。 ≈ 320 KiB/token
⚠ 能加载 ≠ 能在满上下文 / 高并发下舒服跑。标「估」的数字来自 计算器 公式或社区量化文件大小。
完善中
硬件配置与预估吞吐
最低可跑（8K 上下文）
2 × RTX 3090 24GB
二手 ≈¥5,000 × 2 · 合计 ≈¥10,000 · 消费级
量化
Q4_K_M
解码
24 tok/s
最大上下文
10K
推荐配置（≥Q8 · 32K 上下文 · ≥15 tok/s）
4 × RTX 3090 24GB
二手 ≈¥5,000 × 4 · 合计 ≈¥20,000 · 消费级
量化
FP8
解码
27 tok/s
最大上下文
132K
| 配置 | 量化 | 占用 / 显存 | 解码 tok/s | 预填充 tok/s | 最大上下文 |
|---|---|---|---|---|---|
| 2× RTX 3090 24GB消费级 | Q4_K_M | 47 GB / 48 GB | 24 | 453 | 10K |
| 2× RTX 4090 24GB消费级 | Q4_K_M | 47 GB / 48 GB | 25 | 1052 | 10K |
| 2× RTX 5090 32GB消费级 | Q6_K估 | 61 GB / 64 GB | 33 | 1339 | 16K |
| 2× L4 24GB工作站 | Q4_K_M | 47 GB / 48 GB | 7.6 | 382 | 10K |
| RTX A6000 48GB工作站 | Q4_K_M | 46 GB / 48 GB | 11 | 245 | 14K |
| RTX 6000 Ada 48GB工作站 | Q4_K_M | 46 GB / 48 GB | 14 | 290 | 14K |
| L40S 48GB工作站 | Q4_K_M | 46 GB / 48 GB | 13 | 290 | 14K |
| RTX PRO 6000 Blackwell 96GB工作站 | FP8估 | 73 GB / 96 GB | 16 | 797 | 155K |
| 2× A10 24GB数据中心 | Q4_K_M | 47 GB / 48 GB | 15 | 395 | 10K |
| 2× A100 40GB数据中心 | FP8估 | 74 GB / 80 GB | 24 | 1989 | 45K |
| A100 80GB数据中心 | FP8估 | 73 GB / 80 GB | 18 | 994 | 52K |
| H20 96GB数据中心 | FP8估 | 73 GB / 96 GB | 36 | 236 | 155K |
| 昇腾 Ascend 910B 64GB数据中心 | Q6_K估 | 60 GB / 64 GB | 18 | 892 | 20K |
| H100 80GB PCIe数据中心 | FP8估 | 73 GB / 80 GB | 18 | 2409 | 52K |
| H100 80GB SXM数据中心 | FP8估 | 73 GB / 80 GB | 30 | 3152 | 52K |
| AMD MI300X 192GB数据中心 | BF16 | 145 GB / 192 GB | 24 | 4165 | 159K |
| H200 141GB数据中心 | FP8估 | 73 GB / 141 GB | 43 | 3152 | 443K |
| B200 192GB数据中心 | BF16 | 145 GB / 192 GB | 36 | 7171 | 159K |
| Mac M4 Pro 64GB统一内存 | Q5_K_M估 | 52 GB / 56 GB | 2.7 | 54 | 19K |
| DGX Spark 128GB统一内存 | FP8估 | 73 GB / 120 GB | 1.9 | 198 | 308K |
| Mac M4 Max 128GB统一内存 | FP8估 | 73 GB / 120 GB | 3.8 | 108 | 308K |
| Mac Studio M3 Ultra 256GB统一内存 | BF16 | 145 GB / 240 GB | 2.8 | 182 | 312K |
| Mac Studio M3 Ultra 512GB统一内存 | BF16 | 145 GB / 490 GB | 2.8 | 182 | 1.1M |
单流（batch=1）估算：解码 ≈ 显存带宽 × 效率 ÷ 每 token 读取字节（激活参数 × 量化位宽 + KV）；预填充 ≈ FP16 算力 × 0.45 ÷ (2 × 激活参数)。多卡按张量并行、带宽求和 × 0.55。实际受引擎、驱动、PCIe 影响，误差 ±30%。反向查：我的卡能跑谁 →
可用维度不足 3 个，不绘制雷达图
指令遵循Arena Hard 85.0、MT-Bench 8.98（官方）。
中文弱。
逻辑能力
对话偏好榜强，硬推理与 Llama 3.1 70B 同级（无额外训练）。
亮点
- 1.Arena Hard 85.0、AlpacaEval 2 LC 57.6（官方），当时开源第一
- 2.Arena Elo 1267（2024-10-24，官方引用）
- 3.展示了奖励模型 + REINFORCE 的高效对齐
坑
- 1.回答冗长，「strawberry 有几个 r」式炫技
- 2.基础能力未变，数学 / 代码等于 Llama 3.1 70B
- 3.Llama 许可限制
适合：英文对话助手 · 对齐研究
不适合：需简洁输出的场景 · 中文
| 基准 | 分数 | 来源 | 日期 | 证据 |
|---|---|---|---|---|
| LMArena Text Elo人类偏好 Elo | 1267 | LMArena Text (style control) | 2024-10-24 | 独立复测 |
更新 2026-08-28 · 排名供选型参考，基准会饱和、会泄漏、会过时。