GPU 算力硬體規劃

Llama3 在 GPU 的推論速度（token/秒）

主流 GPU 在 Llama3 8B / 70B 的效能比較

GPU	記憶體(VRAM)	8B Q4_K_M	8B F16	70B Q4_K_M	70B F16
RTX 4090	24GB	127.74	54.34	超過記憶體	超過記憶體
RTX A6000	48GB	102.22	40.25	14.58	超過記憶體
L40S	48GB	113.60	43.42	15.31	超過記憶體
RTX 6000 Ada	48GB	130.99	51.97	18.36	超過記憶體
A100	80GB	138.31	54.56	22.11	超過記憶體
H100	80GB	144.49	67.79	25.01	超過記憶體
M2 Ultra	192GB	76.28	36.25	12.13	4.71

---

Llama3 模型所需要的 VRAM

模型	Q4_K_M（量化後）	F16（原始）
Llama3 8B	4.58 GB	14.96 GB
Llama3 70B	39.59 GB	131.42 GB

資料來源

GitHub - XiongjieDai/GPU-Benchmarks-on-LLM-Inference: Multiple NVIDIA GPUs or Apple Silicon for Large Language Model Inference?GitHub

---

硬體配置推薦

MaiAgent 推薦兩種組合，適合不同族群。

1. H100(80GB) 兩張：預算較高，追求品質與效能

2. L40S(48GB) 、RTX 6000 Ada(48GB) 兩張：預算一般，追求性價比

若需要更詳細的資訊，歡迎聯繫 MaiAgent 的專業顧問討論，請來信 [e-mail]