Llama 3.3 70B Instruct
开源旗舰对话质量；单卡 48GB+ Q4 或双 24GB TP。
许可 LlamaQ4 ~36GB舒适 48GB70B 旗舰本地优先
部署预估（启发式）
默认推荐卡 RTX A6000 48GB · 量化 Q4 · ctx 8k · 并发 1
适配偏紧
需 / 有效显存44.4/48G
吞吐 tok/s~12.4
引擎vLLM / TGI
推荐：vllm → tgi，量化 Q4，先单流压测再开并发。
下载与部署入口
一键本地拉取
ollama run llama3.3:70b
参数70B
默认量化Q4
默认上下文8K
发布2024
推荐引擎
- vLLM（高吞吐 OpenAI 兼容）
- SGLang
- Ollama（上手最快）
- llama.cpp / llama-server
标签：对话 · 代码 · 多语 · Agent · 家族 Llama：开源社区基座；3.1/3.3/4 系本地与云推理双热。
同家族
- llama3.2 · 1b/3b · Q4~4GB
- Llama 3.1 8B Instruct · 8B · Q4~6GB
- llama3 · ~7B · Q4~4GB
- codellama · ~7B · Q4~4GB
- Llama 4 Scout · Scout MoE · Q4~48GB
- llama2 · 7b/70b · Q4~4GB
站内推荐
同系工具：Clavue CLI / imux IDE / clavue-2.1
Clavue · CLI 与 Agent 平台
CLI / GUI Agent 运行时、设备登录、会员额度与 OpenAI 兼容 API（api.clavue.com）。开发脚本、CI 与本地工具一条链路。
打开 Clavue ↗imux · 原生 macOS AI IDE
Clavue 平台的原生 IDE：多 Agent 分屏、Ghostty 级终端、Agent Chat、浏览器自动化与 Supervisor——不是又一个 Electron 壳。
了解 imux ↗Clavue 2.1 · 产品级大模型
旗舰模型 clavue-2.1（及 fast / pro / rev）：适合复杂推理与长程 Agent 循环。Chat、imux、API 共用会员额度。
查看模型 ↗