Gemma 3 4B IT: requisitos de VRAM e memória

Camadas de memória desta estimativa

Bytes do arquivo, KV bruto, extras do engine e demanda total ficam separados. Isto não é um rastreio de execução.

Weight artifact

2,94 GiB (3.155.051.328 bytes)

Raw KV cache

0,27 GiB (289.406.976 bytes)

Engine extras / workspace

0,13 GiB–0,58 GiB

Total estimated demand

3,33 GiB–3,79 GiB

Arquivos contados

Memória por quantização e contexto

Sequências concorrentes = 1. O KV padrão é FP16. O intervalo inclui extras de runtime documentados para o engine indicado. Os números usam o mesmo núcleo da calculadora interativa.

Cache KV (dados brutos)

Páginas relacionadas

• Calculadora de cache KV
• Memória em 4-bit, 8-bit e FP16 (inglês)
• Tamanho de arquivo não é VRAM em execução (inglês)
• Metodologia

Fontes

• 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_4b: num_hidden_layers=34, num_attention_heads=8, num_key_value_heads=4, hidden_size=2560, 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 5 global and 29 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 34, head_count 8, head_count_kv 4, embedding_length 2560, 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 093f9f388b31de276ce2de164bdc2081324b9767; gated manual; safetensors.total=4300079472; 2 safetensors siblings.
• Hugging Face API (QAT Q4_0 GGUF) — sha 15f73f5eee9c28f53afefef5723e29680c2fc78a; gemma-3-4b-it-q4_0.gguf = 3,155,051,328 bytes.

Premissas que afetam o resultado

• O contexto pedido cabe na janela nativa de 131072 tokens.
• A estimativa residente usa o total de parâmetros, inclusive especialistas MoE inativos.
• Os bytes dos pesos vêm só dos arquivos escolhidos, não de todas as quantizações do repositório.
• O tamanho do download não é o pico de GPU. Layout em execução e KV vêm a mais.
• Arquivos contados: gemma-3-4b-it-q4_0.gguf.
• Há componente de visão. Inferência só de texto não inclui encoder/projector.
• O contexto é o número de tokens em cache por sequência (entrada mais geração reservada).
• Sequências simultâneas compartilham uma cópia do modelo; os pesos não multiplicam pela quantidade de sequências.

Calculadora