01规格
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 最低显卡 | Mac |
|---|---|---|---|
| BF16 / FP16（原始精度） | 24.4 GB | RTX 5090 32GB | Mac 64GB |
| FP8 / INT8 / Q8_0 | 12.9 GB | RTX 4090 24GB | Mac 36GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 7.4 GB | 12GB 显卡 | Mac 16GB |
KV 缓存未估算：官方 config.json 受限访问或缺少注意力参数。上表合计只含权重 + 开销。
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- Transformers — 官方模型卡提及
04官方仓库与量化版
google 官方发布的 1 个仓库。
- gemma-3-12b-it-qat-q4_0-unquantized Instruct
05Gemma 其他模型
全部 48 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| embeddinggemma-2 | 744M | 1.0 GB | 2026-09-14 |
| diffusiongemma-26B-A4B-it | 25.8B / 4B | 18.3 GB | 2026-06-09 |
| gemma-4-12B-it-qat-q4_0-unquantized | 12B | 9.3 GB | 2026-06-04 |
| gemma-4-12B-it | 12B | 9.3 GB | 2026-05-23 |
| gemma-4-E4B-it-qat-q4_0-unquantized | 7.94B | 5.9 GB | 2026-04-30 |
| gemma-4-E2B-it-qat-q4_0-unquantized | 5.1B | 4.0 GB | 2026-04-29 |
| gemma-4-26B-A4B-it-qat-q4_0-unquantized | 25.8B / 4B | 18.3 GB | 2026-04-29 |
| gemma-4-31B-it-qat-q4_0-unquantized | 31.3B | 23.5 GB | 2026-04-28 |
06来源
数据核对于 2025-04-15。参数、上下文、许可取自官方仓库；显存为本站估算。