Qwen3 8B vs Llama 3.1 8B para chat local
Os dois modelos de chat 8B mais buscados para um computador de 8 a 16 GB
Fatos do catálogo revisado
| Especificação | Qwen3 8B | Llama 3.1 8B Instruct |
|---|---|---|
| Tarefa | Texto e chat | Texto e chat |
| Parâmetros | 8,2B | 8B |
| Licença | Apache 2.0 | Termos do publicador: Llama 3.1 |
| Uso comercial | Permitidotexto da licença | Permitido com condiçõesAcima de 700 mi de usuários mensais exige licença da Meta; exibir "Built with Llama" · texto da licença |
| Qualidade · LMArena 2026-10-22 · texto | Fora do ranking de texto do LMArena de 2026-10-22 · fonte | 1.211 ± 41.207–1.215 · 49.605 votos · posição 345 · fonte |
| Memória | estimativa de planejamento Q4 (~7 GB de pesos antes da reserva da máquina) | estimativa de planejamento Q4 (~6 GB de pesos antes da reserva da máquina) |
| Checkpoint | ficha oficial | ficha oficial |
Só o Llama 3.1 8B Instruct tem resultado em LMArena 2026-10-22 · texto (1.211 ± 4); o Qwen3 8B não tem, então os dois não são ordenados por esta fonte e nenhuma nota é inferida para ele. Votos cegos de pessoas em pares, no modelo hospedado, CC BY 4.0. A pontuação é relativa; intervalos que se sobrepõem significam que a ordem não está definida. Escala: pontuação Arena (controle de estilo, geral) ± metade do intervalo de confiança.
Memória em três máquinas
A reserva de cada máquina é somada (placas de vídeo 2 GB; memória unificada e do sistema 25%, de 2 a 8 GB). Estimativas de planejamento, não execuções medidas.
| Máquina | Qwen3 8B | Llama 3.1 8B Instruct |
|---|---|---|
| RTX 4060 · 8 GB de VRAM | ~9 GBNa memória, fora da parte rápida · offload para a RAM do PC (32 GB presumidos) | ~8 GBCabe na memória rápida |
| RTX 3060 · 12 GB de VRAM | ~9 GBCabe na memória rápida | ~8 GBCabe na memória rápida |
| MacBook Air 13 polegadas M4 · 16 GB unificados | ~11 GBCabe na memória rápida | ~10 GBCabe na memória rápida |
Qwen3 8B: estimativa de planejamento Q4 (~7 GB de pesos antes da reserva da máquina). Llama 3.1 8B Instruct: estimativa de planejamento Q4 (~6 GB de pesos antes da reserva da máquina). Fórmulas
Tudo o que roda em cada máquina: RTX 4060 · 8 GB de VRAM · RTX 3060 · 12 GB de VRAM · MacBook Air 13 polegadas M4 · 16 GB unificados
Qual escolher
Quase o mesmo tamanho, termos diferentes. O Qwen3 8B é um pouco maior (8,2 bilhões de parâmetros contra 8), o que na tabela abaixo o deixa logo fora da memória rápida de uma placa de 8 GB, enquanto o Llama 3.1 8B fica dentro; de 12 GB para cima os dois rodam bem. O Qwen3 8B é Apache 2.0 sem condições; o Llama 3.1 8B usa a licença da Meta, que exige outra licença acima de 700 milhões de usuários mensais e o aviso “Built with Llama”. O Llama 3.1 publica um contexto de 128.000 tokens contra 32.768 do Qwen3 8B. Só o Llama tem nota na rodada de texto do LMArena, então esta fonte não permite comparar a qualidade.
Arquivos e comandos para rodar
O arquivo padrão da fonte coletada mais baixada, ou os comandos que cada ficha documenta. Não executados por este site.
Qwen3 8B
Qwen/Qwen3-8B-GGUF · Qwen3-8B-Q4_K_M.gguf · Q4_K_M · 5 GB · Qwen
ollama run hf.co/Qwen/Qwen3-8B-GGUF:Q4_K_Mllama-server -hf Qwen/Qwen3-8B-GGUF:Q4_K_Mlms get https://huggingface.co/Qwen/Qwen3-8B-GGUF- mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac
Llama 3.1 8B Instruct
bartowski/Meta-Llama-3.1-8B-Instruct-GGUF · Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf · Q4_K_M · 4,9 GB · bartowski
ollama run hf.co/bartowski/Meta-Llama-3.1-8B-Instruct-GGUF:Q4_K_Mllama-server -hf bartowski/Meta-Llama-3.1-8B-Instruct-GGUF:Q4_K_Mlms get https://huggingface.co/bartowski/Meta-Llama-3.1-8B-Instruct-GGUF- mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac
Números que cada publicador informa
Os resultados de cada ficha, com a configuração de cada uma. Publicadores escolhem testes e configurações diferentes, então estes valores nunca são comparados entre publicadores aqui.
Qwen3 8B · informado por Alibaba
Llama 3.1 8B Instruct · informado por Meta
- MMLU
- 69,4Llama 3.1 8B Instruct · Instruction tuned models · General
- MMLU (CoT)
- 73,0Llama 3.1 8B Instruct · Instruction tuned models · General
- MMLU-Pro (CoT)
- 48,3Llama 3.1 8B Instruct · Instruction tuned models · General
- IFEval
- 80,4Llama 3.1 8B Instruct · Instruction tuned models · General
- ARC-C
- 83,4Llama 3.1 8B Instruct · Instruction tuned models · Reasoning
- GPQA
- 30,4Llama 3.1 8B Instruct · Instruction tuned models · Reasoning
- HumanEval
- 72,6Llama 3.1 8B Instruct · Instruction tuned models · Code
- MBPP ++ base version
- 72,8Llama 3.1 8B Instruct · Instruction tuned models · Code
Todos os resultados informados
- Multipl-E HumanEval
- 50,8Llama 3.1 8B Instruct · Instruction tuned models · Code
- Multipl-E MBPP
- 52,4Llama 3.1 8B Instruct · Instruction tuned models · Code
- GSM-8K (CoT)
- 84,5Llama 3.1 8B Instruct · Instruction tuned models · Math
- MATH (CoT)
- 51,9Llama 3.1 8B Instruct · Instruction tuned models · Math
- API-Bank
- 82,6Llama 3.1 8B Instruct · Instruction tuned models · Tool Use
- BFCL
- 76,1Llama 3.1 8B Instruct · Instruction tuned models · Tool Use
- Gorilla Benchmark API Bench
- 8,2Llama 3.1 8B Instruct · Instruction tuned models · Tool Use
- Nexus (0-shot)
- 38,5Llama 3.1 8B Instruct · Instruction tuned models · Tool Use · 0-shot
- Multilingual MGSM (CoT)
- 68,9Llama 3.1 8B Instruct · Instruction tuned models · Multilingual
- MMLU · Portuguese (5-shot, macro_avg/acc)
- 62,12Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
- MMLU · Spanish (5-shot, macro_avg/acc)
- 62,45Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
- MMLU · Italian (5-shot, macro_avg/acc)
- 61,63Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
- MMLU · German (5-shot, macro_avg/acc)
- 60,59Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
- MMLU · French (5-shot, macro_avg/acc)
- 62,34Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
- MMLU · Hindi (5-shot, macro_avg/acc)
- 50,88Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
- MMLU · Thai (5-shot, macro_avg/acc)
- 50,32Llama 3.1 8B · Multilingual benchmarks · General · 5-shot
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark scores › Instruction tuned models; Benchmark scores › Instruction tuned models › Multilingual benchmarks). Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Limites e datas
O benchmark de qualidade publicado não testa uma versão local quantizada. Estimativas de memória não medem velocidade nem garantem compatibilidade. Tamanho de repositório, quando disponível, não é VRAM. Fórmulas
Página atualizada em · Catálogo revisado em · LMArena 2026-10-22 · texto