01规格
| 发布方 | Meta · meta-llama |
|---|---|
| 系列 | Llama · Llama-Guard-4 |
| 类型 | 安全审核 (image-text-to-text) |
| 参数量 | 12B 来源：按官方 safetensors 权重统计 |
| 上下文长度 | — |
| 发布权重 | BF16 · 24.0 GB下载量 |
| 许可 | Llama 4 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 | 2025-04-23 （Hugging Face 仓库创建日） |
| 下载 | 受限仓库：需在 Hugging Face 同意许可后才能下载。 |
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 | 最低显卡 | Mac |
|---|---|---|---|
| BF16 / FP16（原始精度） | 24.0 GB | RTX 5090 32GB | Mac 64GB |
| FP8 / INT8 / Q8_0 | 12.8 GB | RTX 4090 24GB | Mac 36GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 7.3 GB | 12GB 显卡 | Mac 16GB |
KV 缓存未估算：官方 config.json 受限访问或缺少注意力参数。上表合计只含权重 + 开销。
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。
- Transformers — 官方模型卡提及
04官方仓库与量化版
meta-llama 官方发布的 1 个仓库。
- Llama-Guard-4-12B main
05Llama 其他模型
全部 16 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| Llama-Prompt-Guard-2-22M | 71M | 0.5 GB | 2025-04-28 |
| Llama-Prompt-Guard-2-86M | 279M | 0.7 GB | 2025-04-28 |
| Llama-4-Scout-17B-16E-Instruct | 108.6B | 73.0 GB | 2025-04-02 |
| Llama-4-Maverick-17B-128E-Instruct | 401.6B | 268 GB | 2025-04-01 |
| Llama-3.3-70B-Instruct | 70.6B | 50.2 GB | 2024-11-26 |
| Llama-Guard-3-1B | 1.5B | 1.5 GB | 2024-09-20 |
| Llama-Guard-3-11B-Vision | 10.7B | 7.6 GB | 2024-09-20 |
| Llama-3.2-1B-Instruct | 1.24B | 1.6 GB | 2024-09-18 |
06来源
数据核对于 2025-04-29。参数、上下文、许可取自官方仓库；显存为本站估算。