Gemma 3 4B IT 显存与内存需求
具体的模型版本，带来源的结构和权重文件信息。 GGUF Q4_0 (Google QAT)：8,192 个 token 下约 3.33 GiB–3.79 GiB，1 条序列，FP16 KV，llama.cpp。
当前结果是估算，不是对应环境的实测。未核实有文件依据的权重
发布方与出处
- 提供方Google
- Hugging Face
google/gemma-3-4b-it - Revision
093f9f388b31de276ce2de164bdc2081324b9767 - 总参数量4,300,079,472
- 层数34
- 查询头8
- KV 头4 (sliding-window)
- 头维度256
- 已记录的上下文能力131,072
- 完整度complete · full
这次估算里的内存分层
文件字节、原始 KV、引擎额外占用和总需求是分开的。这不是一次运行时轨迹。
- 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
计入的文件
| 量化 | 计入的文件 | 字节 | 运行引擎 | 证据 |
|---|---|---|---|---|
| Official BF16 safetensors (text + SigLIP vision tower) bf16 | model-00001-of-00002.safetensors, model-00002-of-00002.safetensors | 8,600,277,880 (8.01 GiB / 8.60 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_0 (Google QAT) gguf-q4_0 | gemma-3-4b-it-q4_0.gguf | 3,155,051,328 (2.94 GiB / 3.16 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | 没有已发布的文件 | 2,150,039,736 (理论行不是可下载的发布文件。) | — | theoretical |
按量化与上下文查看显存
并发序列数为 1。KV 默认 FP16。区间包含所列引擎已记录的运行时额外占用。这些数字与交互式计算器使用同一套核心。
| 量化 | 2,048 tokens | 8,192 tokens | 32,768 tokens |
|---|---|---|---|
| Official BF16 safetensors (text + SigLIP vision tower) | 8.79 GiB–10.67 GiB | 8.90 GiB–10.79 GiB | 9.37 GiB–11.27 GiB |
| GGUF Q4_0 (Google QAT) | 3.22 GiB–3.65 GiB | 3.33 GiB–3.79 GiB | 3.80 GiB–4.29 GiB |
| INT4 theoretical 理论行不是可下载的发布文件。 | 2.28 GiB–3.33 GiB | 2.40 GiB–3.49 GiB | 2.87 GiB–4.06 GiB |
KV Cache（原始数据）
相关页面
数据来源
影响结论的假设
- 请求的上下文在记录的原生窗口 131072 token 以内。
- 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
- 权重字节只计入选定的权重文件，不会把仓库里所有量化版本加在一起。
- 下载文件大小不是峰值 GPU 内存。运行时布局、分配器填充和 KV 是额外占用。
- 计入的文件：gemma-3-4b-it-q4_0.gguf。
- 该 checkpoint 含视觉组件。纯文本推理不计入视觉编码器或 projector。
- 上下文预算是每个序列缓存的 token 数（输入加上预留的生成长度）。
- 并发序列共用一份模型副本；权重不会按序列数再乘一遍。
计算器
正在加载已发布的目录快照…
搜索或选择目录中的模型，查看本地大模型的显存需求。
搜索或选择目录中的模型，查看本地大模型的显存需求。