Llama VRAM & GPU要件カリキュレーター
Llama展開のためのVRAM要件とGPU数を計算。NVIDIA、AMD、Apple、Huaweiをサポート
台
メモリ要件 402.21 GB
6 台のGPUが必要(メモリ容量ベース)
400 GB
すべてのモデル重み
0.5 GB
会話履歴キャッシュ
1.43 GB
エキスパートモデル最適化
0.29 GB
一時計算キャッシュ
パフォーマンス指標
5049 tok/s を体感 →総スループット
5049 トークン/秒
ユーザーあたりスループット
5049 トークン/秒/ユーザー
推定レイテンシ
30 ms
最大QPS
33.7 クエリ/秒
6x NVIDIA H100 (80GB) のメモリ帯域と演算性能から推定された推論速度です。
クイック起動 CLI コマンド
vllm serve meta-llama/Llama-4-Maverick-17B-128E-Instruct --quantization fp8 --tensor-parallel-size 6 --max-model-len 8192
選択中の精度・コンテキスト長・テンソル並列GPU枚数が反映されています。Llama 4 Maverick 専用ページを開く →
Llama アーキテクチャとメモリ仕様
総パラメータ数
400B
アーキテクチャ
MoE(アクティブ 17B)
開発元
Meta
推奨精度
FP8
Llama 精度別・コンテキスト長別 VRAM マトリクス
同時実行数1におけるモデル重み+KVキャッシュ+実行時メモリの事前計算結果。
| 量子化精度 | 8K コンテキスト | 32K コンテキスト | 128K コンテキスト |
|---|---|---|---|
| FP16 | 802.7 GB | 806.4 GB | 819.1 GB |
| FP8 | 402.2 GB | 404.4 GB | 411.1 GB |
| INT8 | 402.2 GB | 404.4 GB | 411.1 GB |
| INT4 | 202.0 GB | 203.4 GB | 207.1 GB |
Llama 推奨 GPU 構成一覧(FP8)
8Kコンテキスト・バッチ1環境での最小必要枚数と推定生成速度。
| GPU ハードウェア | 最小 GPU 数 | 合計 VRAM | 推定速度 |
|---|---|---|---|
| NVIDIA RTX 4090 (24GB) | 17× | 408 GB | 10924 tok/s |
| NVIDIA RTX 5090 (32GB) | 13× | 416 GB | 12100 tok/s |
| Apple M4 Max (128GB) (128GB) | 4× | 512 GB | 295 tok/s |
| NVIDIA A100 (80GB) (80GB) | 6× | 480 GB | 2968 tok/s |
| NVIDIA H100 (80GB) | 6× | 480 GB | 5049 tok/s |
| NVIDIA H200 (141GB) | 3× | 423 GB | 1944 tok/s |
| Huawei Ascend 910B (64GB) | 7× | 448 GB | 2499 tok/s |
Llama デプロイ FAQ
Llama の実行には何 GB の VRAM が必要ですか?
8Kコンテキスト・バッチ1の Llama では、FP16で約802.7 GB、FP8で約402.2 GB、INT4量子化で約202.0 GBのVRAMが必要です。
Llama には RTX 4090 や NVIDIA H100 が何枚必要ですか?
FP8精度でLlamaを動かすには、RTX 4090 (24GB) なら最低17枚、H100 (80GB) なら6枚必要です。
Llama の本番環境ではどの精度を選ぶべきですか?
MetaのLlama(400B)は、速度・メモリ消費・出力品質のバランスに優れたFP8での運用が推奨されます。