meta公司近日宣布，繼9月推出Llama 3.2的1B與3B模型后，他們于10月24日發布了這兩個模型的量化版本。通過量化，模型大小平均縮減了56%，RAM使用量降低了41%，并且模型運行速度提升了2至4倍，功耗也有所下降，這使得模型更易于部署在移動設備上。
meta采用了兩種量化方法：量化感知訓練（QAT）和后訓練量化（SpinQuant）。前者注重模型的準確性，后者則強調模型的可移植性。
針對Llama 3.2的1B和3B模型，meta分別推出了兩款量化版本。這些量化模型相較于非量化的Llama BF16模型，速度更快，RAM占用更少，功耗更低，同時保持了與Llama BF16版本相近的精度。
盡管量化后的模型支持的Token上下文有所減少，但meta的測試顯示，量化版本的基準測試結果與原版相差無幾。
meta已在一加12、三星S24+/S22及蘋果iOS設備等移動平臺上測試了這些量化模型，并計劃未來通過神經處理單元（NPU）進一步提升模型性能。
