Gemma 4 31B IT

31B

Google Gemma 4

Google Gemma 4 的稠密旗舰:约 31B 参数,256K 上下文,支持图像输入。60 层中只有 10 层缓存完整上下文,而且这些层只用 4 个宽 KV 头,所以 128K 上下文只增加约 11 GB 缓存,常规的 60 层结构则要约 120 GB。Q4_K_M 在 4K 下约需 22.1 GB,在 24 GB 显卡上偏紧;Q3_K_M 在 4K 下约 18.3 GB。32 GB 显卡跑 Q4_K_M 的 32K 很从容。Google 还发布了官方的量化感知训练(QAT)Q4_0 版本,单个 17.7 GB 文件:4K 下约 20.1 GB,24 GB 显卡宽裕地跑到 16K。它的视觉编码器是另外一个 1.2 GB 的文件,加载后在 24 GB 上连 4K 都偏紧。其余档位按 bartowski 的 GGUF 文件计算,各档位的质量损失未公布。该仓库另有两个用于推测解码的 MTP 草稿头文件(Q4_0 为 349 MB,Q8_0 为 515 MB),它们不是模型本体,不计入这里的显存。

⬇ 6.3M HF 下载量♥ 4386 点赞google/gemma-4-31B-it· 数据更新于 11/17/2026
消费级显卡专业 GPUMac / 苹果芯片

262K

最大上下文

5

量化变体

GGUF Q8_0

最佳质量

—

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_M5.1122.1 GB——估算
计算HF
GGUFQ4_04.620.1 GB——估算
计算HF
GGUFQ8_08.535.7 GB——估算
计算HF
GGUFQ3_K_M4.1518.3 GB——估算
计算HF
GGUFQ5_K_M5.8925.3 GB——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。

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 4 对比
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。

E4B

Gemma 4 E4B IT

Google Gemma 4

消费级显卡Mac / 苹果芯片
Q4_K_M5.3 GB—困惑度增幅

Google 面向端侧的 Gemma 4:实际参与计算的约 4.7B 参数,外加一张 2.8B 的逐层嵌入表,128K 上下文,支持图像和音频输入。42 层中只有 4 层的缓存随上下文增长,所以用满 128K 也只要约 2.0 GB 缓存。Q4_K_M 在 4K 上下文约需 5.3 GB,8 GB 显卡宽裕;128K 约需 7.5 GB,8 GB 显卡偏紧。8 GB 的 Mac 只能给 GPU 约 6 GB,所以 4K 下在 8 GB Mac 上就偏紧。这里的体积按整个模型都放进 GPU 内存计算,也就是 Mac 或整模型上 GPU 时的占用;llama.cpp 会把嵌入表留在系统内存,所以在独立显卡上实际显存占用比这里低。体积按 unsloth 发布的文件计算(Q4_K_M 5.0 GB,Q8_0 8.2 GB);其他发布者的 Q4_K_M 文件最多大 0.4 GB。图像和音频编码器是另外一个 1.0 GB 的文件。

E2B

Gemma 4 E2B IT

Google Gemma 4

消费级显卡Mac / 苹果芯片
Q4_K_M3.0 GB—困惑度增幅

最小的 Gemma 4:实际参与计算的约 2.3B 参数,外加一张 2.3B 的逐层嵌入表,128K 上下文,支持图像和音频输入。它的缓存几乎不增长——35 层中只有 3 层跟踪完整上下文,128K 下约 0.8 GB。Q4 下 4K 上下文约 3.0 GB,用满窗口约 3.8 GB——本索引中任何一张卡、以及 8 GB 的 Mac 都能从容运行。体积按整个模型都放进 GPU 内存计算;llama.cpp 会把嵌入表留在系统内存,所以在独立显卡上,Q4 实际显存占用比这里少约 1.3 GB。体积使用计算器通用比特率——未能核对到 GGUF 文件大小。

12B

Gemma 4 12B IT

Google Gemma 4

消费级显卡Mac / 苹果芯片
Q4_K_M8.0 GB—困惑度增幅

Google 6 月发布的中等尺寸 Gemma 4:12B 稠密模型,256K 上下文,文本、图像、音频都不需要单独的编码器,原始输入直接进入同一个解码器。48 层中只有 8 层缓存完整上下文,每层只有一个宽 KV 头,所以缓存很小:32K 约 1 GB,用满 256K 也只要约 4.5 GB。Q4_K_M(unsloth 的 7.1 GB 文件)在 32K 下约 8.5 GB、128K 约 10.2 GB,12 GB 显卡都很从容;16 GB 显卡能从容加载完整窗口,8 GB 显卡即使 4K 也偏紧。bartowski 的 Q4_K_M 文件更大(7.7 GB),用它的话再加约 0.5 GB。体积按已发布的 GGUF 文件计算;图像和音频嵌入层在单独的 mmproj 文件里,各档位的质量损失未公布。

在本地运行 Gemma 4 31B IT

在 Q4_K_M、4K 上下文下,Gemma 4 31B IT 约需 22.1 GB —— 权重 18.6 GB、KV 缓存 1.48 GB、激活缓冲 2.0 GB。本索引中能宽裕跑它的最小规格是 32 GB 显卡 —— 共 4 张,RTX 5090 起步;78 张卡中有 26 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 24.5 GB。这比参数量给人的印象要温和:60 层中只有 10 层的 KV 缓存会随上下文增长,另有 50 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 256K;在 Q4_K_M 下把它全部撑满约需 44 GB。

该下载哪个版本

本索引只收录了 Gemma 4 31B IT 的 GGUF 格式,共 5 个档位(Q4_K_M、Q4_0、Q8_0、Q3_K_M、Q5_K_M)。 该模型没有公开的逐档困惑度数据,因此质量一列留空而不是填估算值 —— 在同一个模型内部,位数越多越忠实是数据唯一支持的排序。本站硬件上没有该模型的吞吐实测数据。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 4 31B IT 需要多少显存?
在 Q4_K_M、4K 上下文、batch 1 下约 22.1 GB,到 32K 时约 24.5 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 4 31B IT 能在 32GB 显卡上跑吗?
可以 —— 在 Q4_K_M、4K 上下文下约需 22.1 GB,在 RTX 5090 上还剩 9.9 GB,本索引中 4 张 32 GB 显卡都一样。这是能宽裕跑它的最小规格;78 张中有 26 张可以。
Gemma 4 31B IT 该用哪个量化档位?
该模型没有公开的质量对比数据,所以按体积来选:Q4_K_M 是多数人使用的档位,bits-per-weight 越高越忠实。索引中的 5 个档位是 Q4_K_M、Q4_0、Q8_0、Q3_K_M、Q5_K_M。

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
GGUF

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 2026-11-17 RSS → /zh/feed.xml