Gemma 4 31B 如何本地部署？
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 Instinct MI50 32GB，約 NT$12,751，預估 23.3 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？
閒魚
| 裝置 | 顯存GB | 價 | 預估 t/s | 建議上下文 |
|---|---|---|---|---|
 Instinct MI50 32GB | 32 | NT$12,7514 筆掛單 | 23.3 | 8K |
 Tesla V100 32GB | 32 | NT$14,97411 筆掛單 | 28.5 | 8K |
 Arc Pro B70 | 32 | NT$46,0906 筆掛單 | 12.6 | 8K |
| Radeon AI PRO R9700 | 32 | NT$51,7058 筆掛單 | 14.7 | 8K |
| CMP 170HX 40GB | 40 | NT$52,8754 筆掛單 | 48.6 | 8K |
| Radeon PRO W7800 | 32 | NT$58,0223 筆掛單 | 13.2 | 8K |
| CMP 170HX 64GB | 64 | NT$65,7438 筆掛單 | 46.6 | 32K |
| Instinct MI210 | 64 | NT$86,56612 筆掛單 | 36.9 | 32K |
| Radeon PRO W7900 | 48 | NT$102,9435 筆掛單 | 19.7 | 8K |
| RTX PRO 4500 Blackwell | 32 | NT$120,95816 筆掛單 | 28.4 | 8K |
| GeForce RTX 4090 48GB | 48 | NT$124,4673 筆掛單 | 31.9 | 8K |
| A100 40GB PCIe | 40 | NT$144,8224 筆掛單 | 48.5 | 8K |
| Mac Studio M4 Max 128GB | 128 | NT$150,67113 筆掛單 | 13.8 | 32K |
| DGX Spark 128GB | 128 | NT$152,07531 筆掛單 | 8.8 | 32K |
| GeForce RTX 5090 D | 32 | NT$153,94713 筆掛單 | 55.6 | 8K |
| MacBook Pro M4 Max 128GB | 128 | NT$165,6454 筆掛單 | 13.8 | 32K |
| Mac Studio M5 Max 128GB | 128 | NT$185,0646 筆掛單 | 15.5 | 32K |
| GeForce RTX 5090 | 32 | NT$204,95013 筆掛單 | 55.6 | 8K |
| RTX PRO 5000 Blackwell 48GB | 48 | NT$218,98815 筆掛單 | 42.1 | 8K |
| MacBook Pro M5 Max 128GB | 128 | NT$256,4227 筆掛單 | 15.5 | 32K |
| RTX PRO 5000 Blackwell 72GB | 72 | NT$304,15017 筆掛單 | 42.1 | 32K |
| RTX PRO 6000D | 84 | NT$318,18817 筆掛單 | 48.9 | 32K |
| RTX PRO 6000 Blackwell | 96 | NT$579,7566 筆掛單 | 55.6 | 32K |
| Mac Studio M3 Ultra 512GB | 512 | NT$607,8326 筆掛單 | 20.5 | 128K |
| Arc Pro B65 | 32 | —暫無掛單 | 12.6 | 8K |
| GeForce RTX 4080 SUPER 32GB | 32 | —暫無掛單 | 23.4 | 8K |
| Instinct MI100 | 32 | —暫無掛單 | 27.8 | 8K |
| Ryzen AI Max+ 395 128GB | 128 | —暫無掛單 | 5.9 | 32K |
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？
Instinct MI50 32GB，32GB 記憶體，目前中位價約 NT$12,751，預估 23.3 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。