Gemma 4 12B 硬件要求
模型信息
- 参数量
- 11.96B
- 注意力机制
- 滑动窗口注意力
- 最大上下文
- 262,144 个 token
- 发布日期
- 2026-05-23
同系列的其他规格
| 模型 | 参数量 | 基准量化 | 所需显存（8k） | GeForce RTX 4060 | GeForce RTX 5060 Ti 16GB | GeForce RTX 3090 |
|---|---|---|---|---|---|---|
| Gemma 4 E2B | 5.12B | Q4_K_M | 2.1 GB | 运行流畅 | 运行流畅 | 运行流畅 |
| Gemma 4 E4B | 8B | Q4_K_M | 3.7 GB | 运行流畅 | 运行流畅 | 运行流畅 |
| Gemma 4 12B当前模型 | 11.96B | Q4_K_M | 7.8 GB | 运行良好 | 运行流畅 | 运行流畅 |
| Gemma 4 26B-A4B | 总计 26.54B · 激活 4B（MoE） | Q4_K_M | 17.7 GB | 运行良好 | 运行良好 | 运行流畅 |
| Gemma 4 31B | 31.27B | Q4_K_M | 19.5 GB | 运行较慢 | 运行较慢 | 运行流畅 |
GGUF 文件
| 量化 | 文件大小 | 质量 | 发布者 |
|---|---|---|---|
| UD-Q2_K_XL | 4.66 GB | 损失严重 | 社区 GGUF · unsloth |
| IQ4_XS | 6.38 GB | 均衡 | 社区 GGUF · unsloth |
| Q4_K_M基准 | 7.12 GB | 均衡 | 社区 GGUF · unsloth |
| Q8_0 | 12.67 GB | 近乎无损 | 社区 GGUF · unsloth |
文件大小不包括图像输入所需的视觉投影器（mmproj）。
部分仓库只发布 Unsloth Dynamic（UD）版本，大小以你实际下载的文件为准。
不同量化和上下文所需的显存
| 量化 | 4k | 8k | 16k | 32k | 64k | 128k | 256k |
|---|---|---|---|---|---|---|---|
| UD-Q2_K_XL | 5.2 | 5.3 | 5.6 | 6.0 | 6.8 | 8.5 | 11.8 |
| IQ4_XS | 7.0 | 7.1 | 7.3 | 7.7 | 8.5 | 10.2 | 13.6 |
| Q4_K_M | 7.7 | 7.8 | 8.0 | 8.4 | 9.3 | 10.9 | 14.3 |
| Q8_0 | 13.3 | 13.4 | 13.6 | 14.0 | 14.8 | 16.5 | 19.8 |
哪些 GPU 能跑 Gemma 4 12B？
判定说明
- 运行流畅
- 全部载入显卡，且达到 20 tok/s 及以上
- 运行良好
- 全部载入显卡且为 8–20 tok/s；MoE 专家放在系统内存且达到 20 tok/s 及以上；或至少 90% 载入显卡且达到 8 tok/s 及以上
- 运行较慢
- 2–8 tok/s；纯 CPU；载入显卡不足 90%；或 MoE 专家放在系统内存且低于 20 tok/s
- 无法运行
- 内存装不下，或低于 2 tok/s
稠密模型分摊在 GPU 和 CPU 上运行时，速度会大幅下降，整体速度由 CPU 那一侧决定。只把专家放在系统内存的 MoE 模型，速度下降要温和得多。
左右滑动可查看所有列。
| 硬件 | 判定 | 速度 | 量化 | 显存/内存 | 运行方式 | 上下文 | 备注 | 价格 |
|---|---|---|---|---|---|---|---|---|
| GeForce RTX 5090 | 运行流畅 | 估算 172.9 tok/s152.2–193.7校准估算 ±12% | Q4_K_M | 8.4 / 32.0 GB | 全部载入显卡 | 最长 256k | — | 市场价 US$4,200（截至 2026-08-09） |
| Radeon RX 7900 XTX | 运行流畅 | 估算 100.6 tok/s88.5–112.6校准估算 ±12% | Q4_K_M | 8.4 / 24.0 GB | 全部载入显卡 | 最长 256k | — | 首发价 US$999 |
| GeForce RTX 3090 Ti | 运行流畅 | 估算 97.3 tok/s85.6–108.9校准估算 ±12% | Q4_K_M | 8.4 / 24.0 GB | 全部载入显卡 | 最长 256k | — | 首发价 US$1,999 |
| GeForce RTX 4090 | 运行流畅 | 估算 97.3 tok/s85.6–108.9校准估算 ±12% | Q4_K_M | 8.4 / 24.0 GB | 全部载入显卡 | 最长 256k | — | 市场价 US$2,755（截至 2026-08-09） |
| Apple M5 Ultra · 96 GB | 运行流畅 | 估算 96.5 tok/s77.2–115.8校准估算 ±20% | Q4_K_M | 7.8 / 67.2 GB | 统一内存 | 最长 256k | — | — |
| GeForce RTX 5080 | 运行流畅 | 估算 92.6 tok/s81.5–103.8校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | 市场价 US$1,256（截至 2026-08-09） |
| GeForce RTX 3090 | 运行流畅 | 估算 90.3 tok/s79.5–101.2校准估算 ±12% | Q4_K_M | 8.4 / 24.0 GB | 全部载入显卡 | 最长 256k | — | 市场价 US$1,050（截至 2026-08-09） |
| GeForce RTX 3080 12GB | 运行流畅 | 估算 88.0 tok/s77.4–98.6校准估算 ±12% | Q4_K_M | 8.4 / 12.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$799 |
| GeForce RTX 5070 Ti | 运行流畅 | 估算 86.5 tok/s76.1–96.8校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | 市场价 US$949（截至 2026-08-09） |
| GeForce RTX 5080 Laptop | 运行流畅 | 估算 86.5 tok/s76.1–96.8校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | — |
| GeForce RTX 5090 Laptop | 运行流畅 | 估算 86.5 tok/s76.1–96.8校准估算 ±12% | Q4_K_M | 8.4 / 24.0 GB | 全部载入显卡 | 最长 256k | — | — |
| Radeon RX 7900 XT | 运行流畅 | 估算 83.8 tok/s73.8–93.9校准估算 ±12% | Q4_K_M | 8.4 / 20.0 GB | 全部载入显卡 | 最长 256k | — | 首发价 US$899 |
| GeForce RTX 3080 10GB | 运行流畅 | 估算 73.3 tok/s64.5–82.1校准估算 ±12% | Q4_K_M | 8.4 / 10.0 GB | 全部载入显卡 | 最长 64k | — | 首发价 US$699 |
| GeForce RTX 4080 Super | 运行流畅 | 估算 71.0 tok/s62.5–79.5校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | 首发价 US$999 |
| GeForce RTX 4080 | 运行流畅 | 估算 69.2 tok/s60.9–77.5校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | 首发价 US$1,199 |
| Radeon RX 9070 | 运行流畅 | 估算 67.6 tok/s59.5–75.7校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | 市场价 US$639（截至 2026-08-09） |
| Radeon RX 9070 XT | 运行流畅 | 估算 67.6 tok/s59.5–75.7校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | 市场价 US$689（截至 2026-08-09） |
| Radeon RX 7800 XT | 运行流畅 | 估算 65.4 tok/s57.5–73.2校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | 首发价 US$499 |
| GeForce RTX 4070 Ti Super | 运行流畅 | 估算 64.8 tok/s57.1–72.6校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | 首发价 US$799 |
| GeForce RTX 5070 | 运行流畅 | 估算 64.8 tok/s57.1–72.6校准估算 ±12% | Q4_K_M | 8.4 / 12.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$629（截至 2026-08-09） |
| GeForce RTX 5070 Ti Laptop | 运行流畅 | 估算 64.8 tok/s57.1–72.6校准估算 ±12% | Q4_K_M | 8.4 / 12.0 GB | 全部载入显卡 | 最长 128k | — | — |
| Apple M3 Ultra · 96 GB | 运行流畅 | 估算 64.4 tok/s51.5–77.2校准估算 ±20% | Q4_K_M | 7.8 / 67.2 GB | 统一内存 | 最长 256k | — | — |
| Apple M5 Max (40-core GPU) · 48 GB | 运行流畅 | 估算 64.3 tok/s51.5–77.2校准估算 ±20% | Q4_K_M | 7.8 / 33.6 GB | 统一内存 | 最长 256k | — | — |
| Apple M2 Ultra · 64 GB | 运行流畅 | 估算 62.9 tok/s50.3–75.4校准估算 ±20% | Q4_K_M | 7.8 / 44.8 GB | 统一内存 | 最长 256k | — | — |
| GeForce RTX 2080 Ti | 运行流畅 | 估算 59.4 tok/s52.3–66.6校准估算 ±12% | Q4_K_M | 8.4 / 11.0 GB | 全部载入显卡 | 最长 64k | — | 首发价 US$999 |
| Apple M4 Max (40-core GPU) · 48 GB | 运行流畅 | 估算 57.2 tok/s45.8–68.6校准估算 ±20% | Q4_K_M | 7.8 / 33.6 GB | 统一内存 | 最长 256k | — | — |
| GeForce RTX 4090 Laptop | 运行流畅 | 估算 55.6 tok/s48.9–62.3校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k | — | — |
| GeForce RTX 4070 | 运行流畅 | 估算 48.6 tok/s42.8–54.5校准估算 ±12% | Q4_K_M | 8.4 / 12.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$599 |
| GeForce RTX 4070 Super | 运行流畅 | 估算 48.6 tok/s42.8–54.5校准估算 ±12% | Q4_K_M | 8.4 / 12.0 GB | 全部载入显卡 | 最长 128k | — | 首发价 US$599 |
| Apple M5 Max (32-core GPU) · 36 GB | 运行流畅 | 估算 48.2 tok/s38.6–57.8校准估算 ±20% | Q4_K_M | 7.8 / 25.2 GB | 统一内存 | 最长 256k | — | — |
| GeForce GTX 1080 Ti | 运行流畅 | 估算 46.7 tok/s32.7–60.7理论估算 ±30% | Q4_K_M | 8.4 / 11.0 GB | 全部载入显卡 | 最长 64k | — | 首发价 US$699 |
| GeForce RTX 5060 Ti 16GB | 运行流畅 | 估算 43.2 tok/s38.0–48.4校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 128k | — | 市场价 US$569（截至 2026-08-09） |
| Apple M4 Max (32-core GPU) · 36 GB | 运行流畅 | 估算 43.0 tok/s34.4–51.5校准估算 ±20% | Q4_K_M | 7.8 / 25.2 GB | 统一内存 | 最长 128k | — | — |
| GeForce RTX 4080 Laptop | 运行流畅 | 估算 41.7 tok/s36.7–46.7校准估算 ±12% | Q4_K_M | 8.4 / 12.0 GB | 全部载入显卡 | 最长 128k | — | — |
| Intel Arc B580 | 运行流畅 | 41.3 tok/s8k 估算 37.1 tok/s（29.7–44.5，校准估算 ±20%）实测（1 次，512 上下文） | Q4_K_M | 8.4 / 12.0 GB | 全部载入显卡 | 最长 64k | — | 市场价 US$290（截至 2026-08-09） |
| Radeon RX 9060 XT 16GB | 运行流畅 | 38.3 tok/s8k 估算 33.7 tok/s（29.7–37.8，校准估算 ±12%）实测（2 次，512 上下文） | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 32k | — | 市场价 US$449（截至 2026-08-09） |
| GeForce RTX 3060 12GB | 运行流畅 | 估算 34.7 tok/s30.6–38.9校准估算 ±12% | Q4_K_M | 8.4 / 12.0 GB | 全部载入显卡 | 最长 64k | — | 市场价 US$250（截至 2026-08-09） |
| Apple M5 Pro · 24 GB | 运行流畅 | 估算 32.2 tok/s25.7–38.6校准估算 ±20% | Q4_K_M | 7.8 / 16.8 GB | 统一内存 | 最长 32k | — | — |
| GeForce RTX 3070 | 运行良好 | 估算 31.7 tok/s25.4–38.1校准估算 ±20% | Q4_K_M | 8.0 / 8.0 GB + 0.4 GB 内存 | 部分卸载 | 最长 16k |
| 首发价 US$499 |
| GeForce RTX 5060 | 运行良好 | 估算 31.7 tok/s25.4–38.1校准估算 ±20% | Q4_K_M | 8.0 / 8.0 GB + 0.4 GB 内存 | 部分卸载 | 最长 16k |
| 市场价 US$339（截至 2026-08-09） |
| GeForce RTX 5060 Ti 8GB | 运行良好 | 估算 31.7 tok/s25.4–38.1校准估算 ±20% | Q4_K_M | 8.0 / 8.0 GB + 0.4 GB 内存 | 部分卸载 | 最长 16k |
| 市场价 US$429（截至 2026-08-09） |
| NVIDIA DGX Spark · 64 GB | 运行良好 | 估算 29.4 tok/s23.5–35.2校准估算 ±20% | Q4_K_M | 7.8 / 48.2 GB | 统一内存 | 最长 256k |
| 首发价 US$3,999（128 GB） |
| Apple M4 Pro · 24 GB | 运行良好 | 估算 28.6 tok/s22.9–34.3校准估算 ±20% | Q4_K_M | 7.8 / 16.8 GB | 统一内存 | 最长 256k |
| — |
| GeForce RTX 4060 Ti 16GB | 运行良好 | 估算 27.8 tok/s24.5–31.1校准估算 ±12% | Q4_K_M | 8.4 / 16.0 GB | 全部载入显卡 | 最长 256k |
| 首发价 US$499 |
| Ryzen AI Max+ 395 (Strix Halo) · 32 GB | 运行良好 | 24.4 tok/s8k 估算 28.9 tok/s（23.2–34.7，校准估算 ±20%）实测（1 次，512 上下文） | Q4_K_M | 7.8 / 22.4 GB | 统一内存 | 最长 256k |
| 首发价 US$1,999（128 GB） |
| GeForce RTX 4060 Ti 8GB | 运行良好 | 估算 22.9 tok/s18.4–27.5校准估算 ±20% | Q4_K_M | 8.0 / 8.0 GB + 0.4 GB 内存 | 部分卸载 | 最长 16k |
| 首发价 US$399 |
| GeForce RTX 4060 | 运行良好 | 估算 21.9 tok/s17.6–26.3校准估算 ±20% | Q4_K_M | 8.0 / 8.0 GB + 0.4 GB 内存 | 部分卸载 | 最长 16k |
| 首发价 US$299 |
| GeForce RTX 4060 Laptop | 运行良好 | 估算 20.9 tok/s16.7–25.1校准估算 ±20% | Q4_K_M | 8.0 / 8.0 GB + 0.4 GB 内存 | 部分卸载 | 最长 16k |
| — |
| GeForce RTX 4070 Laptop | 运行良好 | 估算 20.9 tok/s16.7–25.1校准估算 ±20% | Q4_K_M | 8.0 / 8.0 GB + 0.4 GB 内存 | 部分卸载 | 最长 16k |
| — |
| GeForce RTX 3050 8GB | 运行良好 | 估算 18.8 tok/s15.0–22.5校准估算 ±20% | Q4_K_M | 8.0 / 8.0 GB + 0.4 GB 内存 | 部分卸载 | 最长 16k |
| 首发价 US$249 |
| Apple M5 · 16 GB | 运行良好 | 估算 16.1 tok/s12.9–19.3校准估算 ±20% | Q4_K_M | 7.8 / 11.2 GB | 统一内存 | 最长 128k | — | — |
| Apple M6 · 16 GB | 运行良好 | 估算 16.1 tok/s12.9–19.3校准估算 ±20% | Q4_K_M | 7.8 / 11.2 GB | 统一内存 | 最长 128k | — | — |
| Apple M4 · 16 GB | 运行良好 | 估算 12.6 tok/s10.1–15.1校准估算 ±20% | Q4_K_M | 7.8 / 11.2 GB | 统一内存 | 最长 16k | — | — |
| DDR5-6000 双通道 CPU · 16 GB | 运行较慢 | 估算 6.6 tok/s5.3–7.9校准估算 ±20% | Q4_K_M | 7.3 GB 内存 | 纯 CPU | 最长 256k | — | — |
| DDR5-5600 双通道 CPU · 16 GB | 运行较慢 | 估算 6.2 tok/s4.9–7.4校准估算 ±20% | Q4_K_M | 7.3 GB 内存 | 纯 CPU | 最长 256k | — | — |
| DDR4-3200 双通道 CPU · 16 GB | 运行较慢 | 估算 3.5 tok/s2.8–4.2校准估算 ±20% | Q4_K_M | 7.3 GB 内存 | 纯 CPU | 最长 64k | — | — |
带思考模式的模型会额外花 token 来思考，所以速度门槛按 1.5 倍从严设定（30 / 12 / 3 tok/s）。关闭思考模式后，判定可能会高一级。
能运行它的最便宜 GPU
- 运行流畅GeForce RTX 3060 12GB市场价 US$250（截至 2026-08-09），估算 34.7 tok/s（30.6–38.9，校准估算 ±12%）。
Gemma 4 12B 的实测结果
我们用于校准的公开基准测试。它们的测试条件（上下文、后端、运行参数）可能与上方的估算不同。
| 硬件 | 量化 | 后端 | 上下文 | 提示词处理（tok/s） | 生成（tok/s） | 运行参数 | 来源 | 测量日期 |
|---|---|---|---|---|---|---|---|---|
| Radeon RX 9060 XT 16GB | Q4_K_M | llama.cpp | 512 | 1,509.0 | 39.0 | Vulkan | github.com | 2026-10-02 |
| Radeon RX 9060 XT 16GB | Q4_K_M | llama.cpp | 512 | 1,467.0 | 37.6 | ROCm | github.com | 2026-10-02 |
| Intel Arc B580 | Q4_K_M | llama.cpp | 512 | 1,320.0 | 41.3 | SYCL, FA off | github.com | 2026-06-13 |
| Ryzen AI Max+ 395 (Strix Halo) | IQ4_XS | llama.cpp | 512 | 680.0 | 25.7 | Vulkan | github.com | 2026-06-04 |
| Ryzen AI Max+ 395 (Strix Halo) | Q4_K_M | llama.cpp | 512 | 685.0 | 24.4 | Vulkan | github.com | 2026-06-04 |
常见问题
Gemma 4 12B 需要多少显存？
Q4_K_M 文件为 7.12 GB；在 8k 上下文下，显卡约需 7.8 GB（权重 7.10 GB、KV 缓存 0.1 GB、计算缓冲区 0.6 GB）。已收录的最小文件（UD-Q2_K_XL（质量损失大））约需 5.3 GB。
能让 Gemma 4 12B 运行良好的最便宜 GPU 是哪款？
运行流畅的最便宜选择：GeForce RTX 3060 12GB，US$250（2026-08-09 市场价），估算 34.7 tok/s（30.6–38.9，校准估算 ±12%）。
Gemma 4 12B 能在 8 GB、16 GB 或 24 GB 的 GPU 上运行吗？
Q4_K_M、8k 上下文下：GeForce RTX 4060：运行良好，估算 21.9 tok/s（17.6–26.3，校准估算 ±20%）; GeForce RTX 5060 Ti 16GB：运行流畅，估算 43.2 tok/s（38.0–48.4，校准估算 ±12%）; GeForce RTX 3090：运行流畅，估算 90.3 tok/s（79.5–101.2，校准估算 ±12%）。
速度是根据内存带宽得出的估算值，并用公开基准测试结果校准，每个数值都附有误差范围和可信度标签。实际结果会因驱动、后端、上下文长度和散热情况而有所不同。