Bisakah saya menjalankan Llama 3.2 1B secara lokal?

Ya, bobotnya terbuka dan tersedia di Hugging Face. Dengan satu miliar parameter, ini adalah salah satu model termudah untuk dijalankan secara lokal, termasuk pada mesin hanya CPU dengan RAM sederhana.

Berapa biaya dan berapa panjang jendela konteksnya?

Melalui API biayanya $0,03 per juta token input dan $0,20 per juta token output, dengan jendela konteks 60.000 token.

Bagaimana perbandingan 1B dengan 3B dalam keluarga yang sama?

1B lebih kecil, lebih cepat, dan lebih murah, membuatnya lebih cocok untuk penerapan edge dan tugas ringan dengan volume tinggi; 3B menawarkan kapasitas lebih untuk pekerjaan bahasa yang lebih bernuansa dengan peningkatan biaya sumber daya yang moderat.

Llama 3.2 1B Instruct

2623°

#llm #meta-llama #ringkasan #multibahasa #obrolan #lokal

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

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

Meta | konteks token 60.000 | $0,03/M input, $0,20/M output. Llama 3.2 1B adalah model bahasa dengan 1 miliar parameter yang fokus pada pelaksanaan tugas bahasa alami secara efisien, seperti ringkasan, dialog, dan analisis teks multibahasa. Ukurannya yang kecil memungkinkan operasi efisien di lingkungan sumber daya rendah sambil mempertahankan performa tugas yang kuat. Mendukung delapan bahasa inti dan dapat disesuaikan untuk lebih banyak, Llama 1.3B ideal untuk bisnis atau pengembang yang mencari solusi AI ringan namun kuat yang dapat beroperasi dalam berbagai pengaturan multibahasa tanpa kebutuhan komputasi tinggi dari model yang lebih besar. Klik di sini untuk kartu model asliOpens in new tab. Penggunaan model ini tunduk pada Kebijakan Penggunaan yang Dapat Diterima MetaOpens in new tab.

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

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Llama 3.2 1B Instruct adalah model teks Llama 3.2 terkecil dari Meta, dengan satu miliar parameter dan bobot terbuka yang dapat Anda unduh dan jalankan secara lokal. Mendukung delapan bahasa, cocok untuk perangkat keras yang sangat sederhana, dan hampir tidak memerlukan biaya melalui API. Jika Anda membutuhkan model cepat dan murah untuk ringkasan, dialog, atau pekerjaan multibahasa ringan dan tidak memerlukan penalaran mendalam, ini layak dicoba.

Dikenal untuk

Dapat dijalankan pada perangkat keras dengan sumber daya rendah di mana model yang lebih besar tidak muat.
Mendukung delapan bahasa utama secara langsung, dapat dilatih ulang untuk lebih banyak bahasa.
Bobot terbuka: unduh, jalankan sendiri, atau kuantisasi sesuai keinginan.
Harga API termasuk yang termurah untuk model instruksi yang mampu.
Kuat dalam ringkasan dan dialog untuk kelas ukurannya.

Waspadai

Satu miliar parameter berarti batasan nyata pada penalaran kompleks, pengkodean, dan tugas multi-langkah.
Penggunaan tunduk pada Kebijakan Penggunaan yang Dapat Diterima Meta, bukan lisensi open-source yang sepenuhnya permisif.
Konteks 60.000 token memadai tapi kurang dibandingkan tingkat konteks panjang.

Terbaik untuk

Ringkasan

Multibahasa

Obrolan dan asisten

Jalankan secara lokal

Anggaran

Prompt untuk dicoba

Ringkas rangkaian dukungan

Berikut adalah rangkaian email dukungan pelanggan. Tulis ringkasan tiga kalimat yang menangkap masalah inti pelanggan, apa yang telah dicoba, dan status saat ini. Tetap faktual dan sederhana. Rangkaian: Seorang pelanggan melaporkan bahwa akunnya terkunci setelah tiga kali percobaan login gagal. Dukungan telah mengatur ulang kata sandi dua kali tetapi penguncian terjadi kembali. Masalah belum terselesaikan dan telah diteruskan ke tim keamanan.

Terjemahkan dan permudah

Terjemahkan paragraf bahasa Inggris berikut ke dalam bahasa Prancis, lalu tulis ulang versi Prancis tersebut dalam bahasa yang lebih sederhana yang cocok untuk audiens umum tanpa latar belakang teknis. Paragraf: Layanan autentikasi memvalidasi token pembawa terhadap penyimpanan kunci yang berputar, menolak token apa pun yang tanda tangannya tidak cocok dengan kunci saat ini atau kunci sebelumnya.

Agen dialog ringan

Anda adalah asisten resepsionis yang membantu di klinik gigi kecil. Seorang pasien mengirim pesan: 'Hai, saya perlu menjadwal ulang janji pembersihan saya dari Kamis ke minggu depan, sebaiknya pagi hari. Juga, apakah saya perlu melakukan sesuatu yang khusus sebelum pembersihan?' Balas secara alami, konfirmasi apa yang bisa Anda lakukan, dan jawab pertanyaan mereka secara singkat.

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 Guard 4 12B
Model dengan bobot terbuka
konteks 163,840 token · $0.18/M input, $0.18/M output
Llama 3.3 70B Instruct
Model dengan bobot terbuka
konteks 131,072 token · $0.10/M input, $0.32/M output

Model teks lain dari meta-llama

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Llama 3.2 1B secara lokal?: Ya, bobotnya terbuka dan tersedia di Hugging Face. Dengan satu miliar parameter, ini adalah salah satu model termudah untuk dijalankan secara lokal, termasuk pada mesin hanya CPU dengan RAM sederhana.
Berapa biaya dan berapa panjang jendela konteksnya?: Melalui API biayanya $0,03 per juta token input dan $0,20 per juta token output, dengan jendela konteks 60.000 token.
Bagaimana perbandingan 1B dengan 3B dalam keluarga yang sama?: 1B lebih kecil, lebih cepat, dan lebih murah, membuatnya lebih cocok untuk penerapan edge dan tugas ringan dengan volume tinggi; 3B menawarkan kapasitas lebih untuk pekerjaan bahasa yang lebih bernuansa dengan peningkatan biaya sumber daya yang moderat.

Putusan Kapten
Alat yang tepat saat perangkat keras atau anggaran terbatas dan tugas benar-benar sederhana — jangan minta model ini untuk penalaran yang sulit.

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

GPT 5.6 Luna

TEXT / LLM

Qwen3 VL 30B A3B Instruct

TEXT / LLM

UI TARS 7B

TEXT / LLM

Model AI untuk Pembuatan Gambar, Video & Teks

Llama 3.2 1B 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 dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm meta-llama ringkasan multibahasa obrolan lokal anggaran

Jelajahi berdasarkan Keluarga Model