Gemma 3 1B IT: requisitos de VRAM y memoria

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

0,93 GiB (1.003.541.152 bytes)

Raw KV cache

0,04 GiB (45.088.768 bytes)

Engine extras / workspace

0,13 GiB–0,52 GiB

Total estimated demand

1,10 GiB–1,50 GiB

Archivos contados

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.

Caché KV (datos brutos)

Páginas relacionadas

• Calculadora de caché KV
• Memoria en 4-bit, 8-bit y FP16 (inglés)
• El tamaño del archivo no es la VRAM en ejecución (inglés)
• Metodología

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_1b: num_hidden_layers=26, num_attention_heads=4, num_key_value_heads=1, hidden_size=1152, head_dim=256, sliding_window_size=512, attn_types = 5 LOCAL_SLIDING then 1 GLOBAL, cycled by layer index (gemma/model.py: attn_types[i % len(attn_types)]), so 4 global and 22 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 26, head_count 4, head_count_kv 1, embedding_length 1152, key_length 256, sliding_window 512, context_length 32768. 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 dcc83ea841ab6100d6b47a070329e1ba4cf78752; gated manual; safetensors.total=999885952; 1 safetensors siblings.
• Hugging Face API (QAT Q4_0 GGUF) — sha d1be121d36172a4b0b964657e2ee859d61138593; gemma-3-1b-it-q4_0.gguf = 1,003,541,152 bytes.

Hipótesis que afectan al resultado

• El contexto pedido cabe en la ventana nativa de 32768 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-3-1b-it-q4_0.gguf.
• 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.
• El tipo de KV es independiente de la cuantización de pesos salvo que lo cambie.

Calculadora