Bolehkah saya jalankan Llama 3.2 1B secara tempatan?

Ya, beratnya terbuka dan tersedia di Hugging Face. Dengan satu bilion parameter, ia adalah salah satu model paling mudah untuk dijalankan secara tempatan, termasuk pada mesin hanya CPU dengan RAM sederhana.

Berapa kos dan berapa panjang konteksnya?

Melalui API ia berharga $0.03 setiap sejuta token input dan $0.20 setiap sejuta token output, dengan tetingkap konteks 60,000 token.

Bagaimana 1B dibandingkan dengan 3B dalam keluarga yang sama?

1B lebih kecil, lebih pantas, dan lebih murah, menjadikannya lebih sesuai untuk penggunaan tepi dan tugas ringan berjumlah tinggi; 3B menawarkan lebih ruang untuk kerja bahasa bernuansa dengan peningkatan kos sumber yang sederhana.

Llama 3.2 1B Instruct

2623°

#llm #meta-llama #ringkasan #banyak bahasa #sembang #tempatan

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Meta | konteks 60,000 token | $0.03/M input, $0.20/M output. Llama 3.2 1B adalah model bahasa 1 bilion parameter yang memfokuskan pada pelaksanaan tugas bahasa semula jadi dengan cekap, seperti ringkasan, dialog, dan analisis teks pelbagai bahasa. Saiznya yang lebih kecil membolehkannya beroperasi dengan cekap dalam persekitaran sumber rendah sambil mengekalkan prestasi tugas yang kuat. Menyokong lapan bahasa teras dan boleh disesuaikan untuk lebih banyak, Llama 1.3B sesuai untuk perniagaan atau pembangun yang mencari penyelesaian AI ringan tetapi berkuasa yang boleh beroperasi dalam pelbagai tetapan pelbagai bahasa tanpa permintaan pengkomputeran tinggi model lebih besar. Klik di sini untuk kad model asalOpens in new tab. Penggunaan model ini tertakluk kepada Polisi Penggunaan Boleh Diterima MetaOpens in new tab.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI tempatan mana yang patut digunakan, dan model teratas yang dijalankan oleh setiap satu

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Llama 3.2 1B Instruct adalah model teks Llama 3.2 terkecil Meta, dengan satu bilion parameter dan berat terbuka yang boleh anda muat turun dan jalankan secara tempatan. Ia merangkumi lapan bahasa, muat pada perkakasan yang sangat sederhana, dan hampir tiada kos melalui API. Jika anda memerlukan model pantas dan murah untuk ringkasan, dialog, atau kerja pelbagai bahasa ringan dan tidak memerlukan penalaran mendalam, ini patut dipertimbangkan.

Dikenali untuk

Boleh dijalankan pada perkakasan sumber rendah di mana model lebih besar tidak muat.
Lapan bahasa utama disokong secara langsung, boleh disesuaikan untuk lebih banyak lagi.
Berat terbuka: muat turun, hos sendiri, atau kuantisasi mengikut kehendak.
Harga API antara yang termurah untuk model arahan yang mampu.
Mantap untuk ringkasan dan dialog bagi kelas saiznya.

Berhati-hati dengan

Satu bilion parameter bermakna had nyata pada penalaran kompleks, pengkodan, dan tugas berbilang langkah.
Penggunaan tertakluk kepada Polisi Penggunaan Boleh Diterima Meta, bukan lesen sumber terbuka sepenuhnya.
Konteks 60,000-token memadai tetapi kurang berbanding tahap konteks panjang.

Terbaik untuk

Ringkasan

Banyak bahasa

Sembang dan pembantu

Jalankan secara tempatan

Bajet

Arahan untuk cuba

Ringkaskan benang sokongan

Berikut adalah benang emel sokongan pelanggan. Tulis ringkasan tiga ayat yang menangkap masalah utama pelanggan, apa yang telah dicuba, dan status semasa. Kekalkan fakta dan ringkas. Benang: Seorang pelanggan melaporkan akaunnya dikunci selepas tiga percubaan log masuk gagal. Sokongan menetapkan semula kata laluan dua kali tetapi kunci berulang. Isu belum selesai dan telah dirujuk ke pasukan keselamatan.

Terjemah dan permudahkan

Terjemahkan perenggan Bahasa Inggeris berikut ke dalam Bahasa Perancis, kemudian tulis semula versi Perancis dalam bahasa yang lebih mudah sesuai untuk khalayak umum tanpa latar belakang teknikal. Perenggan: Perkhidmatan pengesahan mengesahkan token pembawa terhadap stor kunci berputar, menolak mana-mana token yang tandatangannya tidak sepadan dengan kunci semasa atau kunci sebelumnya.

Ejen dialog ringan

Anda adalah pembantu kaunter hadapan yang membantu untuk klinik pergigian kecil. Seorang pesakit menghantar mesej: 'Hai, saya perlu menjadualkan semula janji pembersihan saya dari Khamis ke suatu masa minggu depan, lebih baik pada waktu pagi. Juga, adakah saya perlu buat apa-apa persiapan khas sebelum pembersihan?' Balas secara semula jadi, sahkan apa yang anda boleh lakukan, dan jawab soalan mereka secara ringkas.

Bandingkan dengan

Llama 3.2 3B Instruct
Model berat terbuka
konteks 131,072 token · Input $0.05/M, output $0.33/M
Llama 3.1 70B Instruct
Model berat terbuka
konteks 131,072 token · Input $0.40/M, output $0.40/M
Llama Guard 4 12B
Model berat terbuka
konteks 163,840 token · Input $0.18/M, output $0.18/M
Llama 3.3 70B Instruct
Model berat terbuka
konteks 131,072 token · Input $0.10/M, output $0.32/M

Lebih banyak model teks dari meta-llama

Soalan yang sering ditanya

Bolehkah saya jalankan Llama 3.2 1B secara tempatan?: Ya, beratnya terbuka dan tersedia di Hugging Face. Dengan satu bilion parameter, ia adalah salah satu model paling mudah untuk dijalankan secara tempatan, termasuk pada mesin hanya CPU dengan RAM sederhana.
Berapa kos dan berapa panjang konteksnya?: Melalui API ia berharga $0.03 setiap sejuta token input dan $0.20 setiap sejuta token output, dengan tetingkap konteks 60,000 token.
Bagaimana 1B dibandingkan dengan 3B dalam keluarga yang sama?: 1B lebih kecil, lebih pantas, dan lebih murah, menjadikannya lebih sesuai untuk penggunaan tepi dan tugas ringan berjumlah tinggi; 3B menawarkan lebih ruang untuk kerja bahasa bernuansa dengan peningkatan kos sumber yang sederhana.

Keputusan Kapten
Alat yang tepat apabila perkakasan atau bajet terhad dan tugas benar-benar mudah — jangan minta ia berfikir secara mendalam.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh 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

Not this creator?

Get your own badge

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Meta Llama 3.1 8B Instruct Turbo

TEXT / LLM

Meta Llama 3 70B Instruct

Model AI untuk penjanaan imej, video dan teks

Llama 3.2 1B Instruct ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm meta-llama ringkasan banyak bahasa sembang tempatan bajet

Layari mengikut keluarga model