Gemma 3 12B IT: requisitos de VRAM y memoria
Puntos de control concretos, con arquitectura y archivos de pesos con fuente. GGUF Q4_0 (Google QAT): 8,46 GiB–9,04 GiB a 8192 tokens, 1 secuencia, KV FP16, llama.cpp.
Este resultado es una estimación, no una traza medida.No verificadoPesos con archivo
Editor y procedencia
- ProveedorGoogle
- Hugging Face
google/gemma-3-12b-it - Revision
96b6f1eccf38110c56df3a15bffe176da04bfd80 - Parámetros totales12.187.325.040
- Capas48
- Cabezas de consulta16
- Cabezas KV8 (sliding-window)
- Dimensión de cabeza256
- Contexto documentado131.072
- Integridadcomplete · full
Capas de memoria de esta estimación
Los bytes del archivo, el KV bruto, los extras del motor y la demanda total van aparte. No es una traza de ejecución.
- Weight artifact
- 7,52 GiB (8.074.473.920 bytes)
- Raw KV cache
- 0,81 GiB (872.415.232 bytes)
- Engine extras / workspace
- 0,13 GiB–0,71 GiB
- Total estimated demand
- 8,46 GiB–9,04 GiB
Archivos contados
| Cuantización | Archivos contados | Bytes | Motor | Evidencia |
|---|---|---|---|---|
| Official BF16 safetensors (text + SigLIP vision tower) bf16 | 24.374.793.024 (22,70 GiB / 24,37 GB) | vllm, sglang, unspecified | file-metadata | |
| GGUF Q4_0 (Google QAT) gguf-q4_0 | gemma-3-12b-it-q4_0.gguf | 8.074.473.920 (7,52 GiB / 8,07 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | No hay archivo publicado | 6.093.662.520 (Las filas teóricas no son artefactos descargables.) | — | theoretical |
Memoria por cuantización y contexto
Secuencias concurrentes = 1. El KV es FP16 por defecto. El intervalo incluye extras de runtime documentados para el motor indicado. Las cifras usan el mismo núcleo que la calculadora interactiva.
| Cuantización | 2048 tokens | 8192 tokens | 32.768 tokens |
|---|---|---|---|
| Official BF16 safetensors (text + SigLIP vision tower) | 23,76 GiB–25,65 GiB | 24,14 GiB–26,04 GiB | 25,64 GiB–27,58 GiB |
| GGUF Q4_0 (Google QAT) | 8,08 GiB–8,62 GiB | 8,46 GiB–9,04 GiB | 9,96 GiB–10,64 GiB |
| INT4 theoretical Las filas teóricas no son artefactos descargables. | 6,24 GiB–8,40 GiB | 6,61 GiB–8,88 GiB | 8,11 GiB–10,73 GiB |
Caché KV (datos brutos)
Páginas relacionadas
Fuentes
- 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_12b: num_hidden_layers=48, num_attention_heads=16, num_key_value_heads=8, hidden_size=3840, head_dim=256, 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 8 global and 40 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 48, head_count 16, head_count_kv 8, embedding_length 3840, key_length 256, 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 96b6f1eccf38110c56df3a15bffe176da04bfd80; gated manual; safetensors.total=12187325040; 5 safetensors siblings.
- Hugging Face API (QAT Q4_0 GGUF) — sha 7929e34ac7c459bbfd1f38d7358e6839f204578b; gemma-3-12b-it-q4_0.gguf = 8,074,473,920 bytes.
Hipótesis que afectan al resultado
- El contexto pedido cabe en la ventana nativa de 131072 tokens.
- La estimación residente usa el total de parámetros, incluidos expertos MoE inactivos.
- Los bytes de pesos salen solo de los archivos elegidos, no de todas las cuantizaciones del repositorio.
- El tamaño de descarga no es la memoria GPU de pico. El diseño en ejecución y la KV van aparte.
- Archivos contados: gemma-3-12b-it-q4_0.gguf.
- Hay componente de visión. La inferencia de texto no incluye encoder ni projector.
- El contexto es el número de tokens en caché por secuencia (entrada más generación reservada).
- Las secuencias concurrentes comparten una copia del modelo; los pesos no se multiplican por el número de secuencias.
Calculadora
Cargando la instantánea del catálogo…
Busque o elija un modelo del catálogo para ver la VRAM necesaria de un LLM en local.
Busque o elija un modelo del catálogo para ver la VRAM necesaria de un LLM en local.