Llama 3.2 3B 指令版
6370°
Meta | 131,072 代幣上下文 | 輸入 $0.05/M，輸出 $0.33/M。Llama 3.2 3B 是一款擁有 30 億參數的多語言大型語言模型，優化於高階自然語言處理任務，如對話生成、推理與摘要。採用最新 transformer 架構，支持八種語言，包括英語、西班牙語和印地語，並可適應更多語言。訓練於 9 兆代幣，擅長指令遵循、複雜推理與工具使用。其均衡表現使其成為多語言文本生成中需要準確與效率的理想選擇。點此查看原始模型卡Opens in new tab。使用此模型須遵守 Meta 的可接受使用政策Opens in new tab。
本模型的指南
Ollama vs LM Studio (2026)：該用哪個本地 AI 應用程式，以及各自支援的頂級模型
2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型
我到底需要多少 VRAM 才能在本地跑 AI？
什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）
船長筆記
2026-10-13 的筆記
Llama 3.2 3B Instruct 是 Meta 推出的小型多語言模型，訓練於 9 兆標記，調校以支援指令遵循、對話與工具使用，涵蓋八種語言。擁有 30 億參數，可在中低階硬體上順暢運行，且權重開放。如果您需要一款可本地部署或以極低成本透過 API 調用的能幹小模型，這是個認真的選擇。
以...聞名
- 因 30 億參數數量，能在低階硬體本地運行
- 開箱即用支援八種語言，包括英文、西班牙文與印地語
- 在同級模型中具備強大的指令遵循與工具使用能力
- 131,072 標記上下文視窗，對此尺寸模型來說異常大
- API 價格在具備指令能力的模型中屬於較低
注意
- 開放權重受限於 Meta 的可接受使用政策，非完全自由授權，商業部署前請先確認。
- 30 億參數在複雜多步推理上有瓶頸，大模型更易突破。
- 多語言支援限於八種指定語言，其他語言未經測試。
可嘗試的提示詞
多語言客戶回覆
客戶寫道：「Hola, hice un pedido hace dos semanas y todavía no ha llegado. ¿Pueden ayudarme?」請用西班牙語草擬一則禮貌且有幫助的回覆，包含道歉、請求訂單號碼，並說明追蹤延遲出貨的後續步驟。
摘要長文件
這是一份冗長的公司政策文件。請用簡明英文以不超過五點的子彈條列摘要，每點不超過一句話。重點放在員工日常必須知道的內容。[請將文件貼於此行以下]
工具使用規劃任務
你有三個工具可用：web_search、calculator 和 send_email。使用者問：「巴西目前人口是多少？將其乘以 0.03，並將結果以一行說明寄給 finance@example.com。」請寫出你會依序呼叫的工具及原因。
比較
- Llama 3.1 70B Instruct開放權重模型131,072 代幣上下文 · $0.40/M 輸入，$0.40/M 輸出
- Llama Guard 4 12B開放權重模型163,840 代幣上下文 · $0.18/M 輸入，$0.18/M 輸出
- Llama 3.3 70B Instruct開放權重模型131,072 代幣上下文 · $0.10/M 輸入，$0.32/M 輸出
- Llama 4 Scout開放權重模型1,310,720 代幣上下文 · $0.18/M 輸入，$0.59/M 輸出
更多來自 meta-llama 的文字模型
常見問題
- 我可以本地執行 Llama 3.2 3B 嗎？
- 可以，權重開放且在 Hugging Face 以 Meta 的可接受使用政策釋出。此模型尺寸適合中低階消費硬體，本地運行最簡單的方式是使用 Ollama 或 LM Studio。
- 價格與上下文長度是多少？
- API 價格為每百萬輸入標記 0.05 美元，輸出每百萬標記 0.33 美元，擁有 131,072 標記上下文視窗。
- 30 億版本與較大 Llama 3.2 模型有何差異？
- 30 億是 Llama 3.2 系列中最小的指令調校變體，取捨了推理深度以換取速度、低成本與有限硬體可用性。若任務需大量多步推理或長文生成品質，較大模型更適合。
船長評語一款真正實用的小型模型：價格低廉、可本地運行、多語言支援，且誠實說明 30 億參數的能力與限制。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
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.
Also ranked: #90 Hottest Text / LLM text model
Not this creator?
Get your own badge
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
Llama 3.2 3B 指令版 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較,並查看熱度分數了解趨勢。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153