Llama 3.2 3B Instruct
6370°
Meta | 131,072 令牌上下文 | 输入 $0.05/M，输出 $0.33/M。Llama 3.2 3B 是一款拥有 30 亿参数的多语言大型语言模型，针对对话生成、推理和摘要等高级自然语言处理任务进行了优化。采用最新的 Transformer 架构，支持包括英语、西班牙语和印地语在内的八种语言，并可适配更多语言。训练数据量达 9 万亿令牌，Llama 3.2 3B 在指令遵循、复杂推理和工具使用方面表现出色。其均衡的性能使其非常适合需要多语言文本生成准确性和效率的应用。点击此处查看原始模型卡Opens in new tab。使用本模型需遵守 Meta 的可接受使用政策Opens in new tab。
本模型的指南
Ollama 与 LM Studio（2026）：选择哪个本地 AI 应用，以及各自支持的顶级模型
按使用场景选最佳本地大语言模型（2026年10月）：每个任务的合适开源模型
本地AI到底需要多少显存？
什么是 GGUF 文件？量化模型详解（Q4、Q8、fp8、NF4）
船长笔记
2026-10-13 的笔记
Llama 3.2 3B Instruct 是 Meta 推出的紧凑型多语言模型，训练语料达 9 万亿令牌，针对指令跟随、对话和工具使用进行了调优，支持八种语言。3 亿参数规模使其能在中低端硬件上流畅运行，权重开源。如果你需要一个能本地部署或通过 API 低成本调用的高效小模型，这是一个值得考虑的选择。
以……著称
- 3 亿参数，能在低端硬件本地运行
- 开箱支持包括英语、西班牙语和印地语在内的八种语言
- 在同类规模中具备强大的指令跟随和工具使用能力
- 131,072 令牌上下文窗口，体积小但上下文容量异常大
- API 定价在具备能力的指令模型中极具竞争力
注意
- 开源权重受 Meta 可接受使用政策约束，非完全宽松许可，商业部署前请核查。
- 3 亿参数限制了复杂多步骤推理能力，大模型更适合此类任务。
- 多语言支持限于八种指定语言，其他语言未经过测试。
推荐尝试的提示词
多语言客户回复
客户写道：“Hola, hice un pedido hace dos semanas y todavía no ha llegado. ¿Pueden ayudarme?” 请用西班牙语草拟一份礼貌且有帮助的回复，包含道歉、询问订单号及说明跟踪延迟发货的下一步。
长文档摘要
这里有一份冗长的公司政策文件。请用简明英文总结成五条要点，每条不超过一句话。重点关注员工日常必须了解的内容。[请在此行下方粘贴文档]
工具使用规划任务
你有三个工具：web_search、calculator 和 send_email。用户请求：“请查找巴西当前人口，将其乘以 0.03，并将结果连同一行说明邮件发送至 finance@example.com。”请写出你将调用的工具序列及理由。
与……比较
- Llama 3.1 70B Instruct开源权重模型131,072 令牌上下文 · $0.40/M 输入，$0.40/M 输出
- Llama Guard 4 12B开源权重模型163,840 令牌上下文 · $0.18/M 输入，$0.18/M 输出
- Llama 3.3 70B Instruct开源权重模型131,072 令牌上下文 · $0.10/M 输入，$0.32/M 输出
- Llama 4 Scout开源权重模型1,310,720 令牌上下文 · $0.18/M 输入，$0.59/M 输出
来自 meta-llama 的更多文本模型
常见问题
- 我能本地运行 Llama 3.2 3B 吗？
- 可以，权重开源并托管于 Hugging Face，遵循 Meta 的可接受使用政策。该模型规模适合中低端消费硬件，Ollama 或 LM Studio 是最简单的本地运行方案。
- 费用和上下文长度是多少？
- API 价格为每百万输入令牌 0.05 美元，输出每百万令牌 0.33 美元，131,072 令牌上下文窗口。
- 3B 版本与更大规模的 Llama 3.2 模型相比如何？
- 3B 是 Llama 3.2 系列中最小的指令变体，牺牲了推理深度以换取速度、低成本和有限硬件可运行性。若需复杂多步推理或高质量长文本生成，建议使用更大版本。
船长评语一款真正实用的小型模型：价格低廉、本地可运行、多语言支持，且对 3 亿参数的能力有清晰认知。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #90 Hottest Text / LLM text model
Not this creator?
Get your own badge
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
Llama 3.2 3B Instruct 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153