Gemma 4 31B 如何本地部署？
Gemma 4 31B 是 31.3B 参数的稠密模型。Q4 量化最低需要 26GB 显存，8K 上下文下推荐 32GB。当前最便宜能跑的显卡是 Instinct MI50 32GB，约 ¥2,725，预估 23.3 tokens/s。
Gemma 4 31B 版本信息
发布日期2026年3月11日
Hugging Face 仓库google/gemma-4-31B-it
小版本—
许可证Apache-2.0
架构稠密
GGUF 仓库unsloth/gemma-4-31B-it-GGUF
Ollama 标签—
Q4 最低显存26 GB · Q4_K_M · 8K
参数量31.3B
层数60
隐藏维度5,376
KV 头16
头维度256
上下文上限256K
厂商Google DeepMind
Gemma 4 31B 本地部署需要多少显存？
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存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 |
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「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。
什么显卡能跑 Gemma 4 31B？
闲鱼
| 设备 | 显存GB | 价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
 Instinct MI50 32GB | 32 | ¥2,7254 条挂单 | 23.3 | 8K |
 Tesla V100 32GB | 32 | ¥3,20011 条挂单 | 28.5 | 8K |
 Arc Pro B70 | 32 | ¥9,8506 条挂单 | 12.6 | 8K |
| Radeon AI PRO R9700 | 32 | ¥11,0508 条挂单 | 14.7 | 8K |
| CMP 170HX 40GB | 40 | ¥11,3004 条挂单 | 48.6 | 8K |
| Radeon PRO W7800 | 32 | ¥12,4003 条挂单 | 13.2 | 8K |
| CMP 170HX 64GB | 64 | ¥14,0508 条挂单 | 46.6 | 32K |
| Instinct MI210 | 64 | ¥18,50012 条挂单 | 36.9 | 32K |
| Radeon PRO W7900 | 48 | ¥22,0005 条挂单 | 19.7 | 8K |
| RTX PRO 4500 Blackwell | 32 | ¥25,85016 条挂单 | 28.4 | 8K |
| GeForce RTX 4090 48GB | 48 | ¥26,6003 条挂单 | 31.9 | 8K |
| A100 40GB PCIe | 40 | ¥30,9504 条挂单 | 48.5 | 8K |
| Mac Studio M4 Max 128GB | 128 | ¥32,20013 条挂单 | 13.8 | 32K |
| DGX Spark 128GB | 128 | ¥32,50031 条挂单 | 8.8 | 32K |
| GeForce RTX 5090 D | 32 | ¥32,90013 条挂单 | 55.6 | 8K |
| MacBook Pro M4 Max 128GB | 128 | ¥35,4004 条挂单 | 13.8 | 32K |
| Mac Studio M5 Max 128GB | 128 | ¥39,5506 条挂单 | 15.5 | 32K |
| GeForce RTX 5090 | 32 | ¥43,80013 条挂单 | 55.6 | 8K |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥46,80015 条挂单 | 42.1 | 8K |
| MacBook Pro M5 Max 128GB | 128 | ¥54,8007 条挂单 | 15.5 | 32K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥65,00017 条挂单 | 42.1 | 32K |
| RTX PRO 6000D | 84 | ¥68,00017 条挂单 | 48.9 | 32K |
| RTX PRO 6000 Blackwell | 96 | ¥123,9006 条挂单 | 55.6 | 32K |
| Mac Studio M3 Ultra 512GB | 512 | ¥129,9006 条挂单 | 20.5 | 128K |
| Arc Pro B65 | 32 | —暂无挂单 | 12.6 | 8K |
| GeForce RTX 4080 SUPER 32GB | 32 | —暂无挂单 | 23.4 | 8K |
| Instinct MI100 | 32 | —暂无挂单 | 27.8 | 8K |
| Ryzen AI Max+ 395 128GB | 128 | —暂无挂单 | 5.9 | 32K |
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 本地部署 Gemma 4 31B
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-4-31B-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-4-31B-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 31B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Gemma 4 31B 约需 26GB 显存，留到 32GB 更稳。
哪张显卡最便宜能跑 Gemma 4 31B？
Instinct MI50 32GB，32GB 显存，当前中位价约 ¥2,725，预估 23.3 tokens/s。
Gemma 4 31B 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。