Gemma 4 31B 如何本地部署？

VRAMGlass 編輯部 · 更新於 2026年9月10日

Gemma 4 31B 是 31.3B 參數的稠密模型。Q4 量化最低需要 26GB 記憶體，8K 上下文下建議 32GB。目前最便宜能跑的顯示卡是 Tesla V100 32GB，約 NT$35,903，預估 28.5 tokens/s。

Gemma 4 31B 版本資訊

發布日期2026年3月11日

Hugging Face 倉庫google/gemma-4-31B-it

小版本—

授權Apache-2.0

架構稠密

GGUF 倉庫unsloth/gemma-4-31B-it-GGUF

Ollama 標籤—

Q4 最低記憶體26 GB · Q4_K_M · 8K

參數量31.3B

層數60

隱藏維度5,376

KV 頭16

頭維度256

上下文上限256K

廠商Google DeepMind

Gemma 4 31B 本地部署需要多少顯示記憶體？

量化	權重體積GB	8K 總記憶體GB	32K 總記憶體GB	128K 總記憶體GB
1-bit	7.3估	15.8	38.3	128.3
2-bit	11.8GGUF	20.1	42.6	132.6
3-bit	15.4GGUF	23.5	46	136
4-bit	18.3GGUF	25.9	48.4	138.4
5-bit	21.7GGUF	29.6	52.1	142.1
8-bit	32.6GGUF	40.9	63.4	153.4
FP16	61.4GGUF	69.7	92.2	182.2

總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 256K 上下文上限的檔位寫「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。

什麼顯示卡能跑 Gemma 4 31B？

AmazonJP

裝置	顯存GB	價	預估 t/s	建議上下文
Tesla V100 32GB	32	NT$35,9033 筆掛單	28.5	8K
Arc Pro B70	32	NT$65,2603 筆掛單	12.6	8K
Radeon AI PRO R9700	32	NT$70,6046 筆掛單	14.7	8K
Ryzen AI Max+ 395 128GB	128	NT$123,1346 筆掛單	5.9	32K
GeForce RTX 5090	32	NT$235,6699 筆掛單	55.6	8K
DGX Spark 128GB	128	NT$258,7793 筆掛單	8.8	32K
Arc Pro B65	32	—暫無掛單	12.6	8K
GeForce RTX 4080 SUPER 32GB	32	—暫無掛單	23.4	8K
GeForce RTX 5090 D	32	—暫無掛單	55.6	8K
Instinct MI100	32	—暫無掛單	27.8	8K
Instinct MI50 32GB	32	—暫無掛單	23.3	8K
Radeon PRO W7800	32	—暫無掛單	13.2	8K
RTX PRO 4500 Blackwell	32	—暫無掛單	28.4	8K
A100 40GB PCIe	40	—暫無掛單	48.5	8K
CMP 170HX 40GB	40	—暫無掛單	48.6	8K
GeForce RTX 4090 48GB	48	—暫無掛單	31.9	8K
Radeon PRO W7900	48	—暫無掛單	19.7	8K
RTX PRO 5000 Blackwell 48GB	48	—暫無掛單	42.1	8K
CMP 170HX 64GB	64	—暫無掛單	46.6	32K
Instinct MI210	64	—暫無掛單	36.9	32K
RTX PRO 5000 Blackwell 72GB	72	—暫無掛單	42.1	32K
RTX PRO 6000D	84	—暫無掛單	48.9	32K
RTX PRO 6000 Blackwell	96	—暫無掛單	55.6	32K
Mac Studio M4 Max 128GB	128	—暫無掛單	13.8	32K
Mac Studio M5 Max 128GB	128	—暫無掛單	15.5	32K
MacBook Pro M4 Max 128GB	128	—暫無掛單	13.8	32K
MacBook Pro M5 Max 128GB	128	—暫無掛單	15.5	32K
Mac Studio M3 Ultra 512GB	512	—暫無掛單	20.5	128K

判定口徑：權重 + KV cache + 執行開銷 ≤ 可用記憶體，單卡。MoE 模型標「卸載」表示把專家權重放進系統記憶體後能跑（顯存只放注意力層與 KV cache），速度按記憶體頻寬 70 GB/s 估算。上下文欄給的是能裝下的最大檔位。

用 Ollama / llama.cpp / vLLM 本地部署 Gemma 4 31B

Ollama

Ollama 庫暫無官方標籤。

llama.cpp

llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。

llama-server -hf unsloth/gemma-4-31B-it-GGUF:Q4_K_M -c 8192

vLLM

vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。

vllm serve google/gemma-4-31B-it

量化檔名以模型庫當週抓取為準，口徑見資料方法。資料方法

常見問題

Gemma 4 31B 需要多少記憶體？

在 Q4_K_M 量化、8K 上下文下 Gemma 4 31B 約需 26GB 記憶體，留到 32GB 更穩。

哪張顯示卡最便宜能跑 Gemma 4 31B？

Tesla V100 32GB，32GB 記憶體，目前中位價約 NT$35,903，預估 28.5 tokens/s。

Gemma 4 31B 能用 Ollama 跑嗎？

暫時不行，Ollama 庫還沒有它的官方標籤；可以用 llama.cpp 載入 GGUF。