// Ai2 OLMo / Molmo · 文本大模型
Llama-3.1-Tulu-3-8B 本地部署与显存需求
8.03B 参数。4 位量化约 6.9 GB，BF16 约 19.2 GB（1 个 8K token 请求）。
发布 2024-11-20许可：可商用（有条件）显存为估算值
01规格
| 发布方 | Allen AI（Ai2） · allenai |
|---|---|
| 系列 | Ai2 OLMo / Molmo · Llama-3.1-Tulu-3 |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 8.03B 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 128K tokens (131,072)取自 config.json 的 max_position_embeddings |
| 结构 | 32 层 · GQA |
| 发布权重 | BF16 · 16.1 GB下载量 |
| 许可 | Llama 3.1 Community · 可商用（有条件）可商用，但受厂商自有许可条款约束（用户量上限、使用政策、署名或地区限制等），上线前请阅读原文。 |
| 发布日期 | 2024-11-20 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 16.1 GB | 19.2 GB | 22.5 GB | 35.3 GB | RTX 4090 24GB | Mac 36GB |
| FP8 / INT8 / Q8_0 | 8.5 GB | 11.0 GB | 14.2 GB | 27.1 GB | 16GB 显卡 | Mac 24GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 4.9 GB | 6.9 GB | 10.1 GB | 23.0 GB | 8GB 显卡 | Mac 16GB |
每个请求的 KV 缓存：8K 1.1 GB · 32K 4.3 GB · 128K 17.2 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- Transformers — 官方模型卡提及
04官方仓库与量化版
allenai 官方发布的 1 个仓库。
- Llama-3.1-Tulu-3-8B main
05Ai2 OLMo / Molmo 其他模型
全部 31 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| Llama-3.1-Tulu-3-405B · 同系列 | 405.9B | 275 GB | 2025-01-09 |
| Molmo2-ER | 4.85B | 4.9 GB | 2026-05-04 |
| MolmoWeb-4B | 4.85B | 4.9 GB | 2026-03-20 |
| MolmoPoint-8B | 8.68B | 7.5 GB | 2026-03-16 |
| Olmo-Hybrid-7B | 7.43B | 6.5 GB | 2026-01-28 |
| Molmo2-4B | 4.85B | 4.9 GB | 2025-12-14 |
| Molmo2-8B | 8.66B | 7.5 GB | 2025-12-14 |
| Molmo2-O-7B | 7.76B | 10.0 GB | 2025-12-14 |
| Olmo-3.1-32B-Instruct | 32.2B | 23.3 GB | 2025-12-10 |
06来源
数据核对于 2025-02-13。参数、上下文、许可取自官方仓库；显存为本站估算。