Bisakah saya menjalankan Llama 3.2 3B secara lokal?

Ya, bobotnya terbuka dan tersedia di Hugging Face di bawah Kebijakan Penggunaan yang Dapat Diterima Meta. Model sebesar ini dapat dijalankan di perangkat keras konsumen sederhana; alat seperti Ollama atau LM Studio adalah cara termudah untuk menjalankannya di mesin Anda.

Berapa biaya dan berapa panjang konteksnya?

Melalui API harganya $0,05 per juta token input dan $0,33 per juta token output, menjadikannya salah satu opsi termurah yang tersedia. Jendela konteksnya 131.072 token.

Bagaimana perbandingan 3B dengan model Llama 3.2 yang lebih besar?

3B adalah varian instruksi terkecil di lini Llama 3.2, menukar kedalaman penalaran mentah dengan kecepatan, biaya rendah, dan kemampuan berjalan di perangkat keras terbatas. Jika tugas Anda membutuhkan penalaran multi-langkah berat atau kualitas generasi teks panjang, model yang lebih besar akan lebih cocok.

Llama 3.2 3B Instruct

6370°

#llm #meta-llama #obrolan #multibahasa #ringkasan #lokal

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Meta | konteks 131.072 token | $0,05/M input, $0,33/M output. Llama 3.2 3B adalah model bahasa besar multibahasa dengan 3 miliar parameter, dioptimalkan untuk tugas pemrosesan bahasa alami tingkat lanjut seperti generasi dialog, penalaran, dan ringkasan. Dirancang dengan arsitektur transformer terbaru, mendukung delapan bahasa termasuk Inggris, Spanyol, dan Hindi, serta dapat disesuaikan untuk bahasa tambahan. Dilatih pada 9 triliun token, model Llama 3.2 3B unggul dalam mengikuti instruksi, penalaran kompleks, dan penggunaan alat. Performa seimbangnya membuatnya ideal untuk aplikasi yang membutuhkan akurasi dan efisiensi dalam generasi teks lintas bahasa. Klik di sini untuk kartu model asliOpens in new tab. Penggunaan model ini tunduk pada Kebijakan Penggunaan yang Dapat Diterima MetaOpens in new tab.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Llama 3.2 3B Instruct adalah model multibahasa kompak dari Meta, dilatih pada 9 triliun token dan disetel untuk mengikuti instruksi, dialog, dan penggunaan alat dalam delapan bahasa. Dengan 3 miliar parameter, model ini berjalan lancar di perangkat keras sederhana, dan bobotnya terbuka. Jika Anda membutuhkan model kecil yang mampu dijalankan secara lokal atau dipanggil lewat API dengan biaya sangat rendah, ini adalah pilihan serius.

Dikenal untuk

Dapat dijalankan secara lokal pada perangkat keras kelas rendah berkat 3 miliar parameter
Mendukung delapan bahasa termasuk Inggris, Spanyol, dan Hindi secara langsung
Kemampuan mengikuti instruksi dan penggunaan alat yang kuat untuk kelas ukurannya
Jendela konteks 131.072 token, sangat besar untuk model sekecil ini
Harga API termasuk yang termurah untuk model instruksi yang mumpuni

Waspadai

Bobot terbuka tunduk pada Kebijakan Penggunaan yang Dapat Diterima Meta, bukan lisensi sepenuhnya bebas — periksa sebelum digunakan secara komersial.
Dengan 3 miliar parameter, penalaran multi-langkah kompleks akan terbatas dibanding model yang lebih besar.
Dukungan multibahasa mencakup delapan bahasa yang disebutkan; bahasa lain belum diuji.

Terbaik untuk

Obrolan dan asisten

Multibahasa

Ringkasan

Jalankan secara lokal

Anggaran

Prompt untuk dicoba

Balasan pelanggan multibahasa

Seorang pelanggan menulis: 'Hola, hice un pedido hace dos semanas y todavía no ha llegado. ¿Pueden ayudarme?' Buat balasan sopan dan membantu dalam bahasa Spanyol yang meminta maaf, menanyakan nomor pesanan mereka, dan menjelaskan langkah selanjutnya untuk melacak pengiriman yang tertunda.

Ringkas dokumen panjang

Berikut dokumen kebijakan perusahaan yang panjang. Ringkas dalam bahasa Inggris sederhana dalam lima poin, masing-masing tidak lebih dari satu kalimat. Fokus pada apa yang perlu diketahui karyawan sehari-hari. [Tempel dokumen Anda di bawah garis ini]

Tugas perencanaan penggunaan alat

Anda memiliki akses ke tiga alat: web_search, calculator, dan send_email. Seorang pengguna bertanya: 'Berapa populasi Brasil saat ini, kalikan dengan 0,03, dan kirim hasilnya ke finance@example.com dengan penjelasan satu baris.' Tuliskan urutan panggilan alat yang tepat dan alasannya.

Bandingkan dengan

Llama 3.1 70B Instruct
Model dengan bobot terbuka
konteks 131,072 token · $0.40/M input, $0.40/M output
Llama Guard 4 12B
Model dengan bobot terbuka
konteks 163,840 token · $0.18/M input, $0.18/M output
Llama 3.3 70B Instruct
Model dengan bobot terbuka
konteks 131,072 token · $0.10/M input, $0.32/M output
Llama 4 Scout
Model dengan bobot terbuka
konteks 1,310,720 token · $0.18/M input, $0.59/M output

Model teks lain dari meta-llama

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Llama 3.2 3B secara lokal?: Ya, bobotnya terbuka dan tersedia di Hugging Face di bawah Kebijakan Penggunaan yang Dapat Diterima Meta. Model sebesar ini dapat dijalankan di perangkat keras konsumen sederhana; alat seperti Ollama atau LM Studio adalah cara termudah untuk menjalankannya di mesin Anda.
Berapa biaya dan berapa panjang konteksnya?: Melalui API harganya $0,05 per juta token input dan $0,33 per juta token output, menjadikannya salah satu opsi termurah yang tersedia. Jendela konteksnya 131.072 token.
Bagaimana perbandingan 3B dengan model Llama 3.2 yang lebih besar?: 3B adalah varian instruksi terkecil di lini Llama 3.2, menukar kedalaman penalaran mentah dengan kecepatan, biaya rendah, dan kemampuan berjalan di perangkat keras terbatas. Jika tugas Anda membutuhkan penalaran multi-langkah berat atau kualitas generasi teks panjang, model yang lebih besar akan lebih cocok.

Putusan Kapten
Model kecil yang benar-benar berguna: murah, bisa dijalankan lokal, multibahasa, dan jujur tentang kemampuan 3 miliar parameter.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #90 Hottest Text / LLM text model

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

DeepSeek V4.1 Flash

TEXT / LLM

ERNIE 4.5 VL 424B A47B

TEXT / LLM

Llama 3.2 90B Vision Instruct

TEXT / LLM

Free Models Router

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Llama 3.2 3B Instruct adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm meta-llama obrolan multibahasa ringkasan lokal anggaran

Jelajahi berdasarkan Keluarga Model