Gemma 3 27B IT
27BGoogle Gemma 3
Gemma 3 大杯指令版,长上下文 + 多模态。Q4_K_M 在 4K 下约需 18.3 GB,24 GB 显卡可以从容运行。视觉编码器是另外一个 0.9 GB 的文件。
131K
最大上下文
3
量化变体
GGUF Q4_K_M
最佳质量
+2.8%
困惑度增幅(最佳档位)
量化变体对比
各量化级别的显存、质量损失及 RTX 4090 推理速度
实测 = 本站跑过 · 估算 = 本站未跑过:推算所得,或本站未核实的数字 · 社区 = 公开报告
| 格式 | 级别 | BPW | 显存 | PPL 损失 | 速度 | 来源 | 操作 |
|---|---|---|---|---|---|---|---|
| GGUF | Q4_K_M | 4.9 | 18.3 GB | 2.8% | 48 tok/s | 社区 | |
| GGUF | Q3_K_M | 3.98 | 15.1 GB | 5.5% | 55 tok/s | 估算 | |
| AWQ | INT4 | 4 | 15.1 GB | 3.8% | 62 tok/s | 估算 |
每个体积对应哪个文件
文件大小不等于显存:显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存,再加 10% 的激活缓冲。两边的单位是有意不同的:文件大小用十进制 GB,和 Hugging Face 列表一致;显存一栏用 GiB(1024³ 字节),并在权重上多算 2%,所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影(mmproj),它是另外下载的文件,两个数字都不含它。
- GGUF Q4_K_Mbartowski/google_gemma-3-27b-it-GGUF · google_gemma-3-27b-it-Q4_K_M.gguf · 16.55 GB (16,546,404,992 字节) · 另需视觉投影 0.86 GB · 2026-11-03 核对
- GGUF Q3_K_Mbartowski/google_gemma-3-27b-it-GGUF · google_gemma-3-27b-it-Q3_K_M.gguf · 13.44 GB (13,437,356,672 字节) · 另需视觉投影 0.86 GB · 2026-11-03 核对
- AWQ INT4按计算器这一档位的通用比特率估算,没有核对具体文件。
相关社区实测
以下报告只代表报告自身的测试条件,其速度不会替代本页估算,也不能证明你的配置能装下。
我们审核过的链接索引尚未收录此模型的报告。你可以浏览社区实测,或在下方分享自己的测试。
在 llamaPerf 浏览更多实测 ↗相似模型
与 Gemma 3 对比Gemma 3 4B IT
Google Gemma 3
Google Gemma 3 多模态 4B,128K 上下文,8GB 显卡可跑图文理解。
Gemma 3 12B IT
Google Gemma 3
中型 Gemma 3 视觉模型,Q4 可装入 16GB,多语言对话表现优秀。
Qwen3-VL 30B-A3B Instruct
Alibaba Qwen3-VL
多模态 MoE,激活参数仅约 3B,因此在苹果统一内存上依然跟手,CPU 卸载的表现也远好于稠密 30B。Q4_K_M 在 4K 下约需 19.9 GB,24 GB 显卡可以从容运行;Q3_K_M 降到 15.1 GB。视觉编码器是另外一个 1.1 GB 的文件。
Gemma 4 26B-A4B IT
Google Gemma 4
Google Gemma 4 的混合专家模型:文本部分约 25B 参数,每 token 激活约 4B,256K 上下文,支持图像输入。30 层中只有 5 层的缓存随上下文增长,而且这些层用的是更少、更宽的注意力头,所以缓存很小——32K 下约 0.9 GB,用满 256K 也只要约 5.3 GB。Q4_K_M 下 32K 上下文约 18.8 GB:24 GB 显卡可以从容运行,甚至能加载完整窗口(偏紧,约 23.6 GB)。16 GB 显卡装不下,光 Q4_K_M 文件就有 17.0 GB。视觉编码器是另外一个 1.2 GB 的文件。体积按 bartowski 的 GGUF 文件计算,其 Q4_K_M 折合每参数 5.40 比特,明显高于通用的 4 比特档;Unsloth 的 UD-Q4_K_M 是另一个文件,小 0.09 GB。各档位的质量损失未公布。
在本地运行 Gemma 3 27B IT
在 Q4_K_M、4K 上下文下,Gemma 3 27B IT 约需 18.3 GB —— 权重 15.7 GB、KV 缓存 0.92 GB、激活缓冲 1.7 GB。本索引中能宽裕跑它的最小规格是 24 GB 显卡 —— 共 5 张,RTX 3090 起步;105 张卡中有 32 张可以。这些是计算值而非实测值:估算把「宽裕」的界线画在显存的 88%,大致就是桌面环境需要留出的余量。
上下文变长会多花多少
从 4K 提到 32K 约多占 2.19 GB,总量来到 20.7 GB。这比参数量给人的印象要温和:62 层中只有 10 层的 KV 缓存会随上下文增长,另有 52 层被滑动窗口封顶,因此缓存的增速只有常规架构的一小部分。该模型的原生上下文是 128K;在 Q4_K_M 下把它全部撑满约需 29 GB。
该下载哪个版本
本索引收录了它的 2 种格式 —— GGUF、AWQ —— 共 3 个档位。 其中 Q4_K_M 的公开困惑度损失最低,为 2.8%。列出的最快档位是 AWQ INT4,在 RTX 4090、batch 1 下约 62 tok/s —— 这是估算值,不是本站硬件上的实测。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行;AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM;EXL2 是 ExLlamaV2 —— 仅限 CUDA,而且已经归档,适合本机使用而不适合提供服务。
常见问题
- Gemma 3 27B IT 需要多少显存?
- 在 Q4_K_M、4K 上下文、batch 1 下约 18.3 GB,到 32K 时约 20.7 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲,由模型架构计算得出,不是在显卡上实测的。
- Gemma 3 27B IT 能在 24GB 显卡上跑吗?
- 可以 —— 在 Q4_K_M、4K 上下文下约需 18.3 GB,在 RTX 3090 上还剩 5.7 GB,本索引中 5 张 24 GB 显卡都一样。这是能宽裕跑它的最小规格;105 张中有 32 张可以。
- Gemma 3 27B IT 该用哪个量化档位?
- Q4_K_M 的公开质量损失最低(2.8%),而 Q4_K_M 是多数人使用的档位。索引中的 3 个档位是 Q4_K_M、Q3_K_M、AWQ INT4。
这个模型能跑在哪
按 Q4_K_M、4K 上下文估算,显存从小到大排列。「从容」指估算占用不超过显存的 88%。
此模型的显卡组合
- RTX 5090
- RTX 5080
- RTX 5070 Ti
- RTX 5060 Ti 16G
- RTX 4090
- RTX 4080 Super
- RTX 4070 Ti Super
- RTX 4060 Ti 16G
- RTX 3090
- A100 40G
- L40S 48G
- A40 48G
- DGX Spark 64G
- Tesla P100 16G
- Tesla P40 24G
- Mac M5 Pro 64G
- Mac M5 32G
- Mac M4 Max 36G
- Mac M4 Pro 48G
- Mac M4 Pro 24G
- Mac M3 Max 48G
- Mac M3 Pro 36G
- Mac M4 24G
- Mac M1 Max 64G
- Mac M2 Max 96G
- Radeon RX 9070 XT
- Radeon RX 9070
- Radeon RX 9060 XT 16G
- Radeon RX 7900 XTX
- Radeon RX 7900 XT
- Radeon RX 7900 GRE
- Radeon RX 7800 XT
- Radeon RX 7600 XT
- Radeon RX 6900 XT
- Radeon RX 6800 XT
- Radeon PRO W7900 48G
- Radeon AI PRO R9700 32G
- Instinct MI100 32G
- Arc A770 16G
- Arc Pro B70 32G
怎么把它跑起来
针对本模型及同类硬件的部署指南。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-11-22 RSS → /zh/feed.xml