Gemma 4 31B 硬件要求

模型信息

参数量: 31.27B
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: 2026-03-11
模型卡: Hugging Face 上的 Gemma 4 31B

同系列的其他规格

各模型在基准量化、8k 上下文下所需的显存，以及在常见显卡上的判定，按模型从小到大排列
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	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当前模型	31.27B	Q4_K_M	19.5 GB	运行较慢	运行较慢	运行流畅

GGUF 文件

收录的 Gemma 4 31B 量化文件，从小到大排列
量化	文件大小	质量	发布者
UD-Q2_K_XL	11.77 GB	损失严重	社区 GGUF · unsloth
IQ4_XS	16.37 GB	均衡	社区 GGUF · unsloth
Q4_K_M基准	18.32 GB	均衡	社区 GGUF · unsloth
Q8_0	32.64 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

显存（GB）：载入 GPU 的权重 + f16 KV 缓存 + 计算缓冲区。如果在 Windows 上这块显卡还负责显示输出，再加约 0.6 GB。
量化	4k	8k	16k	32k	64k	128k	256k
UD-Q2_K_XL	12.6	13.0	13.7	15.2	18.2	24.2	36.1
IQ4_XS	17.2	17.6	18.3	19.8	22.8	28.8	40.7
Q4_K_M	19.2	19.5	20.3	21.8	24.8	30.7	42.7
Q8_0	33.5	33.9	34.6	36.1	39.1	45.1	57.0

哪些 GPU 能跑 Gemma 4 31B？

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。

排序

在计算器中按预算、类型和上下文筛选这份列表

左右滑动可查看所有列。

56 款 GPU、Mac 和 CPU 配置，基于 Q4_K_M 量化、8k 上下文，按判定和速度排序
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 66.1 tok/s58.1–74.0校准估算 ±12%	Q4_K_M	20.1 / 32.0 GB	全部载入显卡	最长 128k	—	市场价 US$4,200（截至 2026-08-09）
Radeon RX 7900 XTX	运行流畅	估算 38.4 tok/s33.8–43.0校准估算 ±12%	Q4_K_M	20.1 / 24.0 GB	全部载入显卡	最长 32k	—	首发价 US$999
GeForce RTX 3090 Ti	运行流畅	估算 37.2 tok/s32.7–41.6校准估算 ±12%	Q4_K_M	20.1 / 24.0 GB	全部载入显卡	最长 32k	—	首发价 US$1,999
GeForce RTX 4090	运行流畅	估算 37.2 tok/s32.7–41.6校准估算 ±12%	Q4_K_M	20.1 / 24.0 GB	全部载入显卡	最长 32k	—	市场价 US$2,755（截至 2026-08-09）
Apple M5 Ultra · 96 GB	运行流畅	估算 36.9 tok/s29.5–44.2校准估算 ±20%	Q4_K_M	19.6 / 67.2 GB	统一内存	最长 32k	—	—
GeForce RTX 3090	运行流畅	估算 34.5 tok/s30.4–38.6校准估算 ±12%	Q4_K_M	20.1 / 24.0 GB	全部载入显卡	最长 32k	—	市场价 US$1,050（截至 2026-08-09）
GeForce RTX 5090 Laptop	运行流畅	估算 33.0 tok/s29.1–37.0校准估算 ±12%	Q4_K_M	20.1 / 24.0 GB	全部载入显卡	最长 16k	—	—
Radeon RX 7900 XT	运行良好	估算 28.7 tok/s23.0–34.5校准估算 ±20%	Q4_K_M	20.0 / 20.0 GB + 0.2 GB 内存	部分卸载	最长 16k	改用 IQ4_XS：运行流畅	首发价 US$899
Apple M3 Ultra · 96 GB	运行良好	估算 24.6 tok/s19.7–29.5校准估算 ±20%	Q4_K_M	19.6 / 67.2 GB	统一内存	最长 128k	UD-Q2_K_XL（质量损失大）：运行流畅	—
Apple M5 Max (40-core GPU) · 48 GB	运行良好	估算 24.6 tok/s19.7–29.5校准估算 ±20%	Q4_K_M	19.6 / 33.6 GB	统一内存	最长 128k	UD-Q2_K_XL（质量损失大）：运行流畅	—
Apple M2 Ultra · 64 GB	运行良好	估算 24.0 tok/s19.2–28.8校准估算 ±20%	Q4_K_M	19.6 / 44.8 GB	统一内存	最长 128k	UD-Q2_K_XL（质量损失大）：运行流畅	—
Apple M4 Max (40-core GPU) · 48 GB	运行良好	估算 21.9 tok/s17.5–26.2校准估算 ±20%	Q4_K_M	19.6 / 33.6 GB	统一内存	最长 128k	UD-Q2_K_XL（质量损失大）：运行流畅	—
Apple M5 Max (32-core GPU) · 36 GB	运行良好	估算 18.4 tok/s14.7–22.1校准估算 ±20%	Q4_K_M	19.6 / 25.2 GB	统一内存	最长 64k	—	—
Apple M4 Max (32-core GPU) · 36 GB	运行良好	估算 16.4 tok/s13.1–19.7校准估算 ±20%	Q4_K_M	19.6 / 25.2 GB	统一内存	最长 64k	—	—
Apple M5 Pro · 48 GB	运行良好	估算 12.3 tok/s9.8–14.7校准估算 ±20%	Q4_K_M	19.6 / 33.6 GB	统一内存	最长 8k	—	—
Ryzen AI Max+ 395 (Strix Halo) · 32 GB	运行较慢	估算 11.1 tok/s8.8–13.3校准估算 ±20%	Q4_K_M	19.6 / 22.4 GB	统一内存	最长 32k	改用 IQ4_XS：运行良好	首发价 US$1,999（128 GB）
NVIDIA DGX Spark · 64 GB	运行较慢	10.1 tok/s8k 估算 11.2 tok/s（9.0–13.5，校准估算 ±20%）实测（1 次，512 上下文）	Q4_K_M	19.6 / 48.2 GB	统一内存	最长 256k	改用 IQ4_XS：运行良好	首发价 US$3,999（128 GB）
GeForce RTX 5080	运行较慢	估算 8.5 tok/s6.8–10.1校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	市场价 US$1,256（截至 2026-08-09）
GeForce RTX 5070 Ti	运行较慢	估算 8.3 tok/s6.7–10.0校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	市场价 US$949（截至 2026-08-09）
GeForce RTX 5080 Laptop	运行较慢	估算 8.3 tok/s6.7–10.0校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	—
GeForce RTX 4080 Super	运行较慢	估算 8.0 tok/s6.4–9.6校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	首发价 US$999
GeForce RTX 4080	运行较慢	估算 8.0 tok/s6.4–9.6校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	首发价 US$1,199
Radeon RX 9070	运行较慢	估算 7.9 tok/s6.3–9.5校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	市场价 US$639（截至 2026-08-09）
Radeon RX 9070 XT	运行较慢	估算 7.9 tok/s6.3–9.5校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	市场价 US$689（截至 2026-08-09）
Radeon RX 7800 XT	运行较慢	估算 7.9 tok/s6.3–9.4校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	首发价 US$499
GeForce RTX 4070 Ti Super	运行较慢	估算 7.8 tok/s6.3–9.4校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	首发价 US$799
GeForce RTX 4090 Laptop	运行较慢	估算 7.5 tok/s6.0–9.0校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行流畅	—
Apple M4 Pro · 24 GB	运行较慢	估算 7.2 tok/s5.0–9.3理论估算 ±30%	Q4_K_M	19.0 GB 内存	纯 CPU	最长 16k	UD-Q2_K_XL（质量损失大）：运行良好	—
GeForce RTX 5060 Ti 16GB	运行较慢	估算 7.0 tok/s5.6–8.4校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行良好	市场价 US$569（截至 2026-08-09）
Radeon RX 9060 XT 16GB	运行较慢	估算 6.4 tok/s5.1–7.7校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行良好	市场价 US$449（截至 2026-08-09）
GeForce RTX 4060 Ti 16GB	运行较慢	估算 5.9 tok/s4.7–7.1校准估算 ±20%	Q4_K_M	16.0 / 16.0 GB + 4.2 GB 内存	部分卸载	最长 64k	UD-Q2_K_XL（质量损失大）：运行良好	首发价 US$499
GeForce RTX 3080 12GB	运行较慢	估算 4.9 tok/s3.9–5.8校准估算 ±20%	Q4_K_M	12.0 / 12.0 GB + 8.2 GB 内存	部分卸载	最长 32k	—	首发价 US$799
GeForce RTX 5070	运行较慢	估算 4.7 tok/s3.8–5.7校准估算 ±20%	Q4_K_M	12.0 / 12.0 GB + 8.2 GB 内存	部分卸载	最长 32k	—	市场价 US$629（截至 2026-08-09）
GeForce RTX 5070 Ti Laptop	运行较慢	估算 4.7 tok/s3.8–5.7校准估算 ±20%	Q4_K_M	12.0 / 12.0 GB + 8.2 GB 内存	部分卸载	最长 32k	—	—
GeForce RTX 4070	运行较慢	估算 4.6 tok/s3.7–5.5校准估算 ±20%	Q4_K_M	12.0 / 12.0 GB + 8.2 GB 内存	部分卸载	最长 32k	—	首发价 US$599
GeForce RTX 4070 Super	运行较慢	估算 4.6 tok/s3.7–5.5校准估算 ±20%	Q4_K_M	12.0 / 12.0 GB + 8.2 GB 内存	部分卸载	最长 32k	—	首发价 US$599
Apple M6 · 24 GB	运行较慢	估算 4.5 tok/s3.1–5.8理论估算 ±30%	Q4_K_M	19.0 GB 内存	纯 CPU	最长 16k	—	—
GeForce RTX 4080 Laptop	运行较慢	估算 4.5 tok/s3.6–5.4校准估算 ±20%	Q4_K_M	12.0 / 12.0 GB + 8.2 GB 内存	部分卸载	最长 32k	—	—
Intel Arc B580	运行较慢	估算 4.4 tok/s3.5–5.3校准估算 ±20%	Q4_K_M	12.0 / 12.0 GB + 8.2 GB 内存	部分卸载	最长 32k	—	市场价 US$290（截至 2026-08-09）
GeForce RTX 3060 12GB	运行较慢	估算 4.3 tok/s3.5–5.2校准估算 ±20%	Q4_K_M	12.0 / 12.0 GB + 8.2 GB 内存	部分卸载	最长 32k	—	市场价 US$250（截至 2026-08-09）
GeForce RTX 2080 Ti	运行较慢	估算 4.3 tok/s3.4–5.1校准估算 ±20%	Q4_K_M	11.0 / 11.0 GB + 9.2 GB 内存	部分卸载	最长 32k	—	首发价 US$999
GeForce GTX 1080 Ti	运行较慢	估算 4.2 tok/s2.9–5.4理论估算 ±30%	Q4_K_M	11.0 / 11.0 GB + 9.2 GB 内存	部分卸载	最长 32k	—	首发价 US$699
Apple M5 · 24 GB	运行较慢	估算 4.0 tok/s2.8–5.3理论估算 ±30%	Q4_K_M	19.0 GB 内存	纯 CPU	最长 16k	—	—
GeForce RTX 3080 10GB	运行较慢	估算 4.0 tok/s3.2–4.8校准估算 ±20%	Q4_K_M	10.0 / 10.0 GB + 10.2 GB 内存	部分卸载	最长 32k	—	首发价 US$699
GeForce RTX 3070	运行较慢	估算 3.3 tok/s2.7–4.0校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 12.2 GB 内存	部分卸载	最长 16k	—	首发价 US$499
GeForce RTX 5060	运行较慢	估算 3.3 tok/s2.7–4.0校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 12.2 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	运行较慢	估算 3.3 tok/s2.7–4.0校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 12.2 GB 内存	部分卸载	最长 16k	—	市场价 US$429（截至 2026-08-09）
GeForce RTX 4060 Ti 8GB	运行较慢	估算 3.2 tok/s2.6–3.8校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 12.2 GB 内存	部分卸载	最长 8k	—	首发价 US$399
GeForce RTX 4060	运行较慢	估算 3.2 tok/s2.5–3.8校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 12.2 GB 内存	部分卸载	最长 8k	—	首发价 US$299
Apple M4 · 24 GB	运行较慢	估算 3.2 tok/s2.2–4.1理论估算 ±30%	Q4_K_M	19.0 GB 内存	纯 CPU	最长 16k	—	—
GeForce RTX 4060 Laptop	运行较慢	估算 3.2 tok/s2.5–3.8校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 12.2 GB 内存	部分卸载	最长 8k	—	—
GeForce RTX 4070 Laptop	运行较慢	估算 3.2 tok/s2.5–3.8校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 12.2 GB 内存	部分卸载	最长 8k	—	—
GeForce RTX 3050 8GB	运行较慢	估算 3.1 tok/s2.5–3.7校准估算 ±20%	Q4_K_M	8.0 / 8.0 GB + 12.2 GB 内存	部分卸载	最长 8k	—	首发价 US$249
DDR5-6000 双通道 CPU · 96 GB	无法运行改用 UD-Q2_K_XL（质量损失大）：运行较慢	估算 3.9 tok/s3.1–4.6校准估算 ±20%	UD-Q2_K_XL	12.4 GB 内存	纯 CPU	最长 32k	—	—
DDR5-5600 双通道 CPU · 96 GB	无法运行改用 UD-Q2_K_XL（质量损失大）：运行较慢	估算 3.6 tok/s2.9–4.3校准估算 ±20%	UD-Q2_K_XL	12.4 GB 内存	纯 CPU	最长 32k	—	—
DDR4-3200 双通道 CPU · 64 GB	无法运行	估算 1.3 tok/s1.1–1.6校准估算 ±20%	Q4_K_M	19.0 GB 内存	纯 CPU	—	能装下，但速度太慢，难以实际使用	—

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 3090市场价 US$1,050（截至 2026-08-09），估算 34.5 tok/s（30.4–38.6，校准估算 ±12%）。

Gemma 4 31B 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。

Gemma 4 31B 的实测结果
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
Ryzen AI Max+ 395 (Strix Halo)	UD-Q4_K_XL	llama.cpp	512	302.0	11.5	Vulkan	github.com	2026-05-18
NVIDIA DGX Spark	Q4_K_M	llama.cpp	512	687.0	10.1	CUDA	github.com	2026-04-14

常见问题

Gemma 4 31B 需要多少显存？

Q4_K_M 文件为 18.32 GB；在 8k 上下文下，显卡约需 19.5 GB（权重 18.30 GB、KV 缓存 0.7 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 13.0 GB。

能让 Gemma 4 31B 运行良好的最便宜 GPU 是哪款？

运行流畅的最便宜选择：GeForce RTX 3090，US$1,050（2026-08-09 市场价），估算 34.5 tok/s（30.4–38.6，校准估算 ±12%）。

Gemma 4 31B 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：运行较慢，估算 3.2 tok/s（2.5–3.8，校准估算 ±20%）; GeForce RTX 5060 Ti 16GB：运行较慢，估算 7.0 tok/s（5.6–8.4，校准估算 ±20%）; GeForce RTX 3090：运行流畅，估算 34.5 tok/s（30.4–38.6，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。