跳转到主要内容

Gemma 3 27B IT

27B

Google 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。

⬇ 16.7K HF 下载量♥ 67 点赞bartowski/google_gemma-3-27b-it-GGUF· 数据更新于 11/22/2026
消费级显卡专业 GPU

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
GGUFQ4_K_M4.918.3 GB2.8%48 tok/s社区
计算HF
GGUFQ3_K_M3.9815.1 GB5.5%55 tok/s估算
计算HF
AWQINT4415.1 GB3.8%62 tok/s估算
计算HF

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
4B

Gemma 3 4B IT

Google Gemma 3

消费级显卡Mac / 苹果芯片
Q4_K_M3.0 GB+3.2%困惑度增幅

Google Gemma 3 多模态 4B,128K 上下文,8GB 显卡可跑图文理解。

12B

Gemma 3 12B IT

Google Gemma 3

消费级显卡Mac / 苹果芯片
Q4_K_M8.5 GB+2.9%困惑度增幅

中型 Gemma 3 视觉模型,Q4 可装入 16GB,多语言对话表现优秀。

30B-A3B

Qwen3-VL 30B-A3B Instruct

Alibaba Qwen3-VL

消费级显卡专业 GPU
Q4_K_M19.9 GB+2.6%困惑度增幅

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。

26B-A4B

Gemma 4 26B-A4B IT

Google Gemma 4

消费级显卡专业 GPU
Q4_K_M18.2 GB—困惑度增幅

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%。

提供格式
GGUFAWQ
本站已做对比
GGUF vs AWQ

此模型的显卡组合

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