Bisakah saya menjalankan Llama 3.1 8B Instruct secara lokal?

Ya, bobotnya terbuka dan dihosting di Hugging Face pada meta-llama/Meta-Llama-3.1-8B-Instruct. Alat seperti Ollama dan LM Studio dapat menjalankannya di perangkat konsumen.

Berapa biaya dan berapa jendela konteksnya?

Lewat API biayanya $0,05 per juta token input dan $0,08 per juta token output, dengan jendela konteks 131.072 token.

Bagaimana 8B dibandingkan dengan model Llama 3.1 yang lebih besar?

Meta merilis Llama 3.1 dalam beberapa ukuran; 8B adalah yang terkecil dan tercepat, terbaik untuk tugas sehari-hari dan penggunaan lokal, sementara varian lebih besar menangani penalaran dan pengkodean yang lebih menuntut.

Llama 3.1 8B Instruct

2730°

#llm #meta-llama #obrolan #lokal #anggaran #cepat

Berjalan di Graydient

Jalankan model ini

Penawaran / Iklan

Easy Creator (Prism) Web

Tak terbatas · biaya tetap

Terbaik untuk pemula. Alur kerja yang kuat, kurva pembelajaran rendah.

PirateDiffusion Telegram

Tak terbatas · biaya tetap

Buat video, gambar, persona chat kustom, dan lainnya.

Pro studio (SpyGlass) Web

Tak terbatas · biaya tetap

Jelajahi model, render, dan perbaiki dari browser atau ponsel mana pun.

Discord bot (Vector)

Tak terbatas · biaya tetap

Tambahkan Vector ke servermu atau gabung Discord Vector. Buat apa saja!

Unified Editor Web

Tak terbatas · biaya tetap

Editor untuk gambar dan video: render, edit, tingkatkan kualitas, dan lainnya dalam satu halaman.

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Aplikasi lokal

Perlu pengaturan

Install program lokal kalau komputermu punya hardware yang cukup.

ModelDuel Web

Bayar per penggunaan

Hasilkan prompt yang sama pada hingga 50 model checkpoint/base sekaligus.

Sewa GPU di cloud

Graydient Cloud GPU

Tak terbatas · biaya tetap

Biaya tetap, penggunaan tanpa batas. Model ini terpasang dengan satu klik.

RunPod Cloud GPU

Dikenakan per menit

Sewa GPU per menit dan atur model sendiri.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Meta | konteks 131.072 token | $0.05/M input, $0.08/M output. Kelas model terbaru Meta (Llama 3.1) diluncurkan dengan berbagai ukuran & varian. Versi 8B yang disetel instruksi ini cepat dan efisien. Telah menunjukkan kinerja kuat dibandingkan model tertutup terkemuka dalam evaluasi manusia. Untuk membaca lebih lanjut tentang rilis model, klik di siniOpens in new tab. Penggunaan model ini tunduk pada Kebijakan Penggunaan yang Dapat Diterima MetaOpens in new tab.

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Llama 3.1 8B Instruct adalah model kecil dan cepat dari Meta yang disetel instruksi dengan jendela konteks 128k token dan bobot terbuka yang bisa dijalankan di perangkat Anda sendiri. Dengan harga $0,05 per juta token input lewat API, model ini berada di ujung pasar yang hemat tanpa mengorbankan jendela konteks panjang yang biasanya dilewatkan model 8B. Cocok untuk pengembang, penggemar, dan siapa saja yang butuh model sehari-hari yang mumpuni tanpa tagihan besar.

Dikenal untuk

Bobot terbuka: unduh dan jalankan lokal tanpa biaya per token
Jendela konteks 128k token, sangat besar untuk model 8B
Biaya API sangat rendah: $0,05/M input, $0,08/M output
Inferensi cepat berkat parameter 8B yang ringkas
Kemampuan mengikuti instruksi kuat untuk chat dan tugas umum

Waspadai

Penggunaan diatur oleh Kebijakan Penggunaan yang Dapat Diterima Meta, bukan lisensi open-source penuh.
Model 8B memiliki batas kemampuan nyata; tugas penalaran dan pengkodean kompleks mungkin butuh model yang lebih besar.
Meta belum menerbitkan angka benchmark rinci untuk rilis ini.

Terbaik untuk

Obrolan dan asisten

Jalankan secara lokal

Anggaran

Cepat

Konteks panjang

Prompt untuk dicoba

Ringkas dokumen panjang

Ini artikel panjang. Baca dengan cermat dan berikan ringkasan terstruktur: tiga poin utama argumen, tiga poin utama bukti, dan satu kalimat tentang kesimpulan penulis. Kemudian sebutkan satu hal yang tidak dibahas artikel tapi menurut Anda paling penting. [tempel teks artikel Anda di sini]

Tinjauan kode cepat

Tinjau fungsi Python berikut. Tunjukkan bug apa pun, sarankan satu perbaikan kinerja konkret, dan tulis ulang fungsi dengan perubahan diterapkan. Jelaskan setiap perubahan dalam komentar di dalam kode. def find_duplicates(lst): seen = [] dupes = [] for item in lst: if item in seen: dupes.append(item) seen.append(item) return dupes

Buat kebijakan bahasa Inggris sederhana

Tulis kebijakan kerja jarak jauh singkat untuk perusahaan perangkat lunak berjumlah 20 orang. Bahas: jam inti, ekspektasi komunikasi, penggantian peralatan, dan persyaratan keamanan. Gunakan bahasa sederhana, tanpa jargon, dan jangan berlebihan dengan poin-poin. Batasi di bawah 300 kata dan buat terdengar seperti ditulis manusia.

Bandingkan dengan

Llama 3.2 3B Instruct
Model dengan bobot terbuka
konteks 131,072 token · $0.05/M input, $0.33/M output
Llama 3.1 70B Instruct
Model dengan bobot terbuka
konteks 131,072 token · $0.40/M input, $0.40/M output
Llama 4 Scout
Model dengan bobot terbuka
konteks 1,310,720 token · $0.18/M input, $0.59/M output
Llama 4 Scout 17B 16E Instruct
Model dengan bobot terbuka
konteks 327,680 token · $0.10/M input, $0.30/M output

Model teks lain dari meta-llama

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Llama 3.1 8B Instruct secara lokal?: Ya, bobotnya terbuka dan dihosting di Hugging Face pada meta-llama/Meta-Llama-3.1-8B-Instruct. Alat seperti Ollama dan LM Studio dapat menjalankannya di perangkat konsumen.
Berapa biaya dan berapa jendela konteksnya?: Lewat API biayanya $0,05 per juta token input dan $0,08 per juta token output, dengan jendela konteks 131.072 token.
Bagaimana 8B dibandingkan dengan model Llama 3.1 yang lebih besar?: Meta merilis Llama 3.1 dalam beberapa ukuran; 8B adalah yang terkecil dan tercepat, terbaik untuk tugas sehari-hari dan penggunaan lokal, sementara varian lebih besar menangani penalaran dan pengkodean yang lebih menuntut.

Putusan Kapten
Pilihan masuk akal saat Anda menginginkan bobot terbuka, konteks panjang, dan tagihan API hampir nol, serta tidak butuh penalaran tingkat frontier.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Gemini 2.5 Flash Lite

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Llama 3.1 8B Instruct adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya, lihat skor popularitasnya untuk mengetahui trennya, dan buka di PirateDiffusion atau BitVector untuk mencobanya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm meta-llama obrolan lokal anggaran cepat konteks panjang

Jelajahi berdasarkan Keluarga Model