Gemma 3 27B IT: VRAM- und Speicherbedarf
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_0 (Google QAT): 17,20 GiB–17,97 GiB bei 8.192 Tokens, 1 Sequenz, FP16-KV, llama.cpp.
Das Ergebnis ist eine Schätzung, keine Messung.Nicht geprüftDateigestützte Gewichte
Herausgeber und Herkunft
- AnbieterGoogle
- Hugging Face
google/gemma-3-27b-it - Revision
005ad3404e59d6023443cb575daa05336842228a - Parameter gesamt27.432.406.640
- Schichten62
- Query-Köpfe32
- KV-Köpfe16 (sliding-window)
- Kopfdimension128
- Dokumentierte Kontextfähigkeit131.072
- Vollständigkeitcomplete · full
Speicherschichten in dieser Schätzung
Datei-Bytes, rohes KV, Engine-Zusätze und Gesamtbedarf stehen getrennt. Das ist keine Laufzeitspur.
- Weight artifact
- 16,05 GiB (17.229.630.496 bytes)
- Raw KV cache
- 1,03 GiB (1.107.296.256 bytes)
- Engine extras / workspace
- 0,13 GiB–0,89 GiB
- Total estimated demand
- 17,20 GiB–17,97 GiB
Gewählte Dateien
| Quantisierung | Gewählte Dateien | Bytes | Laufzeit | Beleg |
|---|---|---|---|---|
| Official BF16 safetensors (text + SigLIP vision tower) bf16 | 54.864.980.440 (51,10 GiB / 54,86 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_0 (Google QAT) gguf-q4_0 | gemma-3-27b-it-q4_0.gguf | 17.229.630.496 (16,05 GiB / 17,23 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 13.716.203.320 (Theoretische Zeilen sind keine herunterladbaren Artefakte.) | — | theoretical |
Speicher nach Quantisierung und Kontext
Gleichzeitige Sequenzen = 1. KV ist standardmäßig FP16. Die Spanne enthält dokumentierte Laufzeit-Zusätze der genannten Engine. Die Zahlen nutzen denselben Kern wie der interaktive Rechner.
| Quantisierung | 2.048 tokens | 8.192 tokens | 32.768 tokens |
|---|---|---|---|
| Official BF16 safetensors (text + SigLIP vision tower) | 52,28 GiB–54,18 GiB | 52,75 GiB–54,66 GiB | 54,63 GiB–56,59 GiB |
| GGUF Q4_0 (Google QAT) | 16,73 GiB–17,44 GiB | 17,20 GiB–17,97 GiB | 19,08 GiB–19,98 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 13,46 GiB–17,69 GiB | 13,93 GiB–18,30 GiB | 15,81 GiB–20,60 GiB |
KV-Cache (Rohdaten)
Verwandte Seiten
Quellen
- Gemma 3 model card (Google AI for Developers) — Input context 128K tokens for 4B, 12B, 27B and 32K for 1B; images encoded to 256 tokens each. License: Gemma Terms of Use.
- Google gemma_pytorch config.py (architecture) — get_config_for_27b_v3: num_hidden_layers=62, num_attention_heads=32, num_key_value_heads=16, hidden_size=5376, head_dim=128, sliding_window_size=1024, attn_types = 5 LOCAL_SLIDING then 1 GLOBAL, cycled by layer index (gemma/model.py: attn_types[i % len(attn_types)]), so 10 global and 52 sliding layers. The Hugging Face config.json is gated (HTTP 401), so it was not read.
- Cross-check only: llama.cpp org GGUF header converted from Google's config (not an official Google source) — Header read with an HTTP range request on 2026-10-18: block_count 62, head_count 32, head_count_kv 16, embedding_length 5376, key_length 128, sliding_window 1024, context_length 131072. All agree with gemma_pytorch config.py.
- Gemma releases — March 10, 2025: release of Gemma 3 in 1B, 4B, 12B and 27B sizes.
- Hugging Face API (BF16) — sha 005ad3404e59d6023443cb575daa05336842228a; gated manual; safetensors.total=27432406640; 12 safetensors siblings.
- Hugging Face API (QAT Q4_0 GGUF) — sha 17cf0f6ad611f1a57a1640daa57eb427d6e67ed6; gemma-3-27b-it-q4_0.gguf = 17,229,630,496 bytes.
Annahmen, die das Ergebnis beeinflussen
- Der Kontext liegt im dokumentierten nativen Fenster von 131072 Tokens.
- Die vollständige Residenzschätzung nutzt die Gesamtparameter, inklusive inaktiver MoE-Experten.
- Gewichtbytes kommen nur von den gewählten Dateien, nicht von allen Quantisierungen im Repository.
- Die Downloadgröße ist nicht der GPU-Spitzenspeicher. Layout, Allocator und KV kommen extra.
- Berücksichtigte Dateien: gemma-3-27b-it-q4_0.gguf.
- Es gibt eine Vision-Komponente. Textinferenz zählt Encoder/Projector nicht.
- Das Kontextbudget ist die Zahl gecachter Tokens je Sequenz (Prompt plus reservierte Generierung).
- Gleichzeitige Sequenzen teilen eine Modellkopie; Gewichte werden nicht mit der Sequenzzahl multipliziert.
Rechner
Katalog-Snapshot wird geladen…
Suchen oder ein Katalogmodell wählen, um den VRAM-Bedarf zu sehen.
Suchen oder ein Katalogmodell wählen, um den VRAM-Bedarf zu sehen.