Gemma 4 12B のローカル実行に必要なVRAMは？
動かせるデバイスを見るGemma 4 12B は 12B パラメータの Dense モデルです。Q4 量子化では最低 11GB、8K コンテキストなら 16GB のVRAMを推奨します。収まる最も安いデバイスは GeForce RTX 2080 Ti ですが、中古価格のデータはまだなく、推定 49.8 tokens/s です。
Gemma 4 12B のバージョン情報
Gemma 4 12B の量子化・コンテキスト別の必要VRAM
8K 時の合計| 量子化 | 重みサイズGB | 8K 時の合計GB | 32K 時の合計GB | 128K 時の合計GB |
|---|---|---|---|---|
| Q4_K_M | 7.1GGUF | 10.7 | 19.7 | 55.7 |
| Q5_K_M | 8.4GGUF | 12.1 | 21.1 | 57.1 |
| Q8_0 | 12.7GGUF | 16.4 | 25.4 | 61.4 |
| FP16 | 23.8GGUF | 27.4 | 36.4 | 72.4 |
合計 = 重み + KV キャッシュ（FP16）+ 実行時オーバーヘッド 1GB。GGUF と付いた重みはリポジトリの実測ファイルサイズ、「推定」はパラメータあたりのバイト数からの概算です。このモデルの上限 256K を超えるコンテキストは「—」と表示します。
Gemma 4 12B を動かせるGPUは？
Q4_K_M・8K コンテキスト・eBayの中古価格の安い順
判定基準：重み + KV キャッシュ + 実行時オーバーヘッド ≤ 利用可能メモリ、1 枚構成。MoE モデルの「オフロード」はエキスパート重みをシステム RAM に置けば動作することを示し（VRAM にはアテンション層と KV キャッシュのみ）、その速度は RAM 帯域幅 70 GB/s を前提に推定。コンテキスト列は収まる最大段階です。
Ollama / llama.cpp / vLLM で Gemma 4 12B を起動する
Ollama ライブラリに公式タグはまだありません。
llama.cpp は Hugging Face から GGUF を直接取得します。-c はコンテキスト長です。
llama-server -hf unsloth/gemma-4-12B-it-GGUF:Q4_K_M -c 8192
vLLM は元の精度の重みを読み込むため、GGUF よりはるかに多くのメモリ（通常は複数枚）が必要です。
vllm serve google/gemma-4-12B-it
ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法
よくある質問
Gemma 4 12B にはどれくらいのVRAMが必要ですか？
Q4_K_M・8K コンテキストでは Gemma 4 12B に約 11GB のVRAMが必要で、16GB あれば余裕があります。
Gemma 4 12B を動かせる最も安いGPUは？
GeForce RTX 2080 Ti です。VRAM 11GB、推定 49.8 tokens/s。このデバイスの中古価格データはまだありません。
Gemma 4 12B は Ollama で動かせますか？
まだできません。Ollama ライブラリに公式タグがないため、llama.cpp で GGUF を読み込んでください。