Gemma 3 27B IT: requisitos de VRAM y memoria
Puntos de control concretos, con arquitectura y archivos de pesos con fuente. GGUF Q4_0 (Google QAT): 17,20 GiB–17,97 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-3-27b-it - Revision
005ad3404e59d6023443cb575daa05336842228a - Parámetros totales27.432.406.640
- Capas62
- Cabezas de consulta32
- Cabezas KV16 (sliding-window)
- Dimensión de cabeza128
- 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
- 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
Archivos contados
| Cuantización | Archivos contados | Bytes | Motor | Evidencia |
|---|---|---|---|---|
| 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 | No hay archivo publicado | 13.716.203.320 (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) | 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 Las filas teóricas no son artefactos descargables. | 13,46 GiB–17,69 GiB | 13,93 GiB–18,30 GiB | 15,81 GiB–20,60 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_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.
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-3-27b-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.