Gemma 4 12B 本地部署需要多少显存？
看能跑的设备Gemma 4 12B 是 12B 参数的稠密模型。Q4 量化最低需要 11GB 显存，8K 上下文下推荐 16GB。当前最便宜能跑的显卡是 GeForce RTX 2080 Ti，二手约 ¥1,680，预估 49.8 tokens/s。
Gemma 4 12B 版本信息
发布日期2026年5月23日
Hugging Face 仓库google/gemma-4-12B-it
小版本—
许可证Apache-2.0
架构稠密
GGUF 仓库unsloth/gemma-4-12B-it-GGUF
Ollama 标签—
30 天下载3,195,490
Q4 最低显存11 GB · Q4_K_M · 8K
参数量12B
层数48
隐藏维度3,840
KV 头8
头维度256
上下文上限256K
厂商Google DeepMind
Gemma 4 12B 各量化与上下文的显存需求
8K 总显存| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存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 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 256K 上下文上限的档位写「—」。
什么显卡能跑 Gemma 4 12B？
Q4_K_M · 8K 上下文 · 按闲鱼二手价升序| 设备 | 显存GB | 二手价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
 GeForce RTX 2080 Ti | 11 | ¥1,6807 条挂牌 | 49.8 | 8K |
 Radeon RX 7800 XT | 16 | ¥2,60014 条挂牌 | 36.4 | 8K |
| Radeon RX 7900 XT | 20 | ¥3,99918 条挂牌 | 46.3 | 32K |
| Radeon RX 9070 XT | 16 | ¥5,23013 条挂牌 | 37.3 | 8K |
 Arc Pro B60 | 24 | ¥5,2999 条挂牌 | 24.2 | 32K |
| Radeon RX 7900 XTX | 24 | ¥5,50018 条挂牌 | 55.2 | 32K |
| GeForce RTX 4080 | 16 | ¥7,59012 条挂牌 | 57.6 | 8K |
| GeForce RTX 3090 | 24 | ¥8,0498 条挂牌 | 74.1 | 32K |
| GeForce RTX 5070 Ti | 16 | ¥8,6444 条挂牌 | 71.1 | 8K |
| Arc Pro B70 | 32 | ¥9,9997 条挂牌 | 32.1 | 32K |
| Radeon PRO W7800 | 32 | ¥10,1004 条挂牌 | 33.7 | 32K |
| CMP 170HX 40GB (改装) | 40 | ¥10,8004 条挂牌 | 118.8 | 32K |
| GeForce RTX 5080 | 16 | ¥11,5007 条挂牌 | 75.9 | 8K |
| Radeon AI PRO R9700 | 32 | ¥11,9003 条挂牌 | 37.3 | 32K |
| CMP 170HX 64GB (改装) | 64 | ¥12,8504 条挂牌 | 114.2 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥15,80010 条挂牌 | 54.1 | 32K |
| Instinct MI210 | 64 | ¥18,50017 条挂牌 | 91.3 | 128K |
| Radeon PRO W7900 | 48 | ¥22,0005 条挂牌 | 49.9 | 32K |
| GeForce RTX 4090 | 24 | ¥22,8005 条挂牌 | 79.4 | 32K |
| GeForce RTX 5090 D V2 | 24 | ¥25,00016 条挂牌 | 103.7 | 32K |
| GeForce RTX 4090 48GB (改装) | 48 | ¥25,5003 条挂牌 | 79.4 | 32K |
| RTX PRO 4500 Blackwell | 32 | ¥25,8508 条挂牌 | 71.1 | 32K |
| GeForce RTX 5090 D | 32 | ¥30,9007 条挂牌 | 134.6 | 32K |
| A100 40GB PCIe | 40 | ¥38,5004 条挂牌 | 118.5 | 32K |
| GeForce RTX 5090 | 32 | ¥39,7504 条挂牌 | 134.6 | 32K |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥47,00011 条挂牌 | 103.7 | 32K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥62,00011 条挂牌 | 103.7 | 128K |
| RTX PRO 6000D | 84 | ¥70,00019 条挂牌 | 119.4 | 128K |
| RTX PRO 6000 Blackwell | 96 | ¥118,50010 条挂牌 | 134.6 | 128K |
| Tesla V100 16GB | 16 | —暂无挂牌 | 71.4 | 8K |
| Arc Pro B65 | 32 | —暂无挂牌 | 32.1 | 32K |
| GeForce RTX 4080 SUPER 32GB (改装) | 32 | —暂无挂牌 | 59 | 32K |
| Instinct MI100 | 32 | —暂无挂牌 | 69.7 | 32K |
| Tesla V100 32GB | 32 | —暂无挂牌 | 71.4 | 32K |
| DGX Spark 128GB | 128 | —暂无挂牌 | 22.6 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暂无挂牌 | 35.1 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暂无挂牌 | 39.3 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暂无挂牌 | 35.1 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暂无挂牌 | 39.3 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暂无挂牌 | 15.2 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暂无挂牌 | 51.9 | 128K |
判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。
用 Ollama / llama.cpp / vLLM 启动 Gemma 4 12B
Ollama
Ollama 库暂无官方标签。
llama.cpp
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf unsloth/gemma-4-12B-it-GGUF:Q4_K_M -c 8192
vLLM
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve google/gemma-4-12B-it
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
Gemma 4 12B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Gemma 4 12B 约需 11GB 显存，留到 16GB 更稳。
哪张显卡最便宜能跑 Gemma 4 12B？
GeForce RTX 2080 Ti，11GB 显存，当前二手中位价约 ¥1,680，预估 49.8 tokens/s。
Gemma 4 12B 能用 Ollama 跑吗？
暂时不能，Ollama 库还没有它的官方标签；可以用 llama.cpp 加载 GGUF。