Gemma 3n TPS kalkulátor

Otevřít váhy Google 7.9B parametry May 2025

Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..

Vypočteno pro tento model

582 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Quadro 6000

6 GB · IQ4_XS · 16.2 tok/s

Nejrychlejší karta

B200

432 tok/s · 180 GB

Které GPU mohou spustit Gemma 3n?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Minimální kvalita

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

Hledat karty

Paměť karty

Také zobrazit karty, které to nemohou spustit.

582 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
432 tok/s 259–691 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	9.1 GB	Q8_0	Pohodlný
432 tok/s 259–691 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	9.1 GB	Q8_0	Pohodlný
345 tok/s 207–551 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	9.1 GB	Q8_0	Pohodlný
345 tok/s 207–551 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	9.1 GB	Q8_0	Pohodlný
276 tok/s 165–441 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	9.1 GB	Q8_0	Pohodlný
264 tok/s 158–422 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.1 GB	Q8_0	Pohodlný
264 tok/s 158–422 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.1 GB	Q8_0	Pohodlný
253 tok/s 152–404 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	9.1 GB	Q8_0	Pohodlný
224 tok/s 134–359 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	9.1 GB	Q8_0	Pohodlný
224 tok/s 134–359 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	9.1 GB	Q8_0	Pohodlný
224 tok/s 134–359 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	9.1 GB	Q8_0	Pohodlný
213 tok/s 128–340 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	9.1 GB	Q8_0	Pohodlný
181 tok/s 109–290 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.1 GB	Q8_0	Pohodlný
181 tok/s 109–290 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	9.1 GB	Q8_0	Pohodlný
181 tok/s 109–290 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	9.1 GB	Q8_0	Pohodlný
181 tok/s 109–290 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.1 GB	Q8_0	Pohodlný
181 tok/s 109–290 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	9.1 GB	Q8_0	Pohodlný
144 tok/s 86–230 · nízká důvěra	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.4 GB	Q5_K_M	Těsný
138 tok/s 83–221 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	9.1 GB	Q8_0	Pohodlný
138 tok/s 83–221 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	9.1 GB	Q8_0	Pohodlný
122 tok/s 73–196 · nízká důvěra	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	7.3 GB	Q6_K	Pohodlný
115 tok/s 69–184 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	9.1 GB	Q8_0	Pohodlný
113 tok/s 68–180 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	9.1 GB	Q8_0	Pohodlný
110 tok/s 66–176 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	9.1 GB	Q8_0	Pohodlný
110 tok/s 66–176 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	9.1 GB	Q8_0	Pohodlný

Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..

Na záznamu

Plná specifikace

Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..

Původ

Kdo vytvořil tento model, kde a kdy byl publikován.

Organizace: Google
Typ organizace: Industry
Země: United States of America
Publikováno: 20 May 2025
Autoři: Lucas Gonzalez, Rakesh Shivanna

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména: Language, Multimodal, Speech, Vision
Úkol: Language modeling/generation, Question answering, Chat, Speech recognition (ASR), Translation, Speech-to-text, Visual question answering, Mathematical reasoning, Code generation, Character recognition (OCR)

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry: 7.9B
Výcviková data: 11,000,000,000,000 tokens

Výpočty pro trénink

Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.

Výpočty pro trénink: 5.2 × 10²³ FLOP
Jak bylo ustanoveno: Operation counting

Dostupnost

Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.

Hmotnosti: Open — downloadable
Přístup k modelu: Open weights (restricted use)
Tréninkový kód: Unreleased
Hugging Face: google

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Announcing Gemma 3n preview: powerful, efficient, mobile-first AI
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Gemma 3n

Seřazeno podle odhadovaných tokenů za sekundu, nejnovější karta první, kde se rychlosti shodují. Protože generování je omezeno šířkou pásma paměti, toto řazení následuje šířku pásma spíše než jakýkoli herní benchmark..

Nejmenší GPU, které ještě běží Gemma 3n

Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..

Co čísla znamenají

Hardwarové požadavky v praxi

Minimum karta

Quadro 6000

Potřeba paměti

5.0 GB

Nejrychlejší

432 tok/s

Gemma 3n dosahuje počtu parametrů 7.9B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 582.

Vstupní bod je Quadro 6000, s kapacitou VRAM 6 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 16.2 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 432 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

Gemma 3n byl zveřejněn Google, v zemi zaznamenané jako United States of America, během May 2025. Vychází z organizace, která je kategorizována jako industry.

funguje v oblasti Language, Multimodal, Speech, Vision, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering, Chat, Speech recognition (ASR), Translation, Speech-to-text, Visual question answering, Mathematical reasoning, Code generation, Character recognition (OCR).

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu. Na Hugging Face je publikováno pod organizací google.

Co rozhoduje o rychlosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 24.2 tokenů za sekundu 551 z nich

Být hustý, čte vše sám po tokenu, což je důvod, proč pořadí podle rychlosti níže úzce následuje pořadí podle šířky pásma VRAM.

Paměť zde je odhadována podle velikosti, spíše než aby byla vypočtena z architektury, která není pro tento model zaznamenána — čísla jsou spíše indikativní než přesná.

Jak bylo trénováno

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 5.2 × 10²³ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Bylo to trénováno na korpusu asi 11,000,000,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro Gemma 3n

Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.

01

Přečtěte si nejprve číslo paměti

Každá KARTA zde byla zkontrolována proti Gemma 3n, potřebující kolem 5.0 GB při kompresi IQ4_XS. Kapacita je brána — karta buď ji má, nebo ne.
02

Přizpůsobte kontext svému skutečnému použití

Konverzace také zabírá MEMORY a roste, jak pokračuje. Nastavte posuvník na délku, kterou očekáváte, protože při dlouhém CONTEXT může být KARTA, která snadno zvládá krátké dotazy, odmítnuta. Gemma 3n.
03

Rozhodněte, jaké množství komprese přijmete

Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., dosahující komprese IQ4_XS na nejmenší kartě, která se vejde. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
04

Hodnoťte podle propustnosti spíše než podle specifikace

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Gemma 3n. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 432 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Gemma 3n. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
06

Podívejte se, co dalšího ta karta spouští

Každý název karty odkazuje na její vlastní stránku, která provádí stejný výpočet v celém katalogu modelů. Karta se obvykle kupuje pro více než jeden model, takže se vyplatí se podívat před tím, než koupíte. Gemma 3n.

Odpovědi

Gemma 3n — běžné otázky

Gemma 3n— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q8_0, používající přibližně 9.1 GB a generováním zhruba 72.3 tokenů za sekundu. Fit je pohodlný.

Gemma 3n— Je to OPEN SOURCE?

Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.

Gemma 3n— kolik má parametrů?

Má počet parametrů 7.9B. 7.85B (Safetensors). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Gemma 3n— Kdo to vytvořil?

Bylo to publikováno společností Google, zakládající se na United States of America, organizace zařazená jako industry.

Gemma 3n— Kdy byl vydán?

Bylo to zveřejněno v May 2025.

Gemma 3n— K čemu se to používá?

funguje v oblasti Language, Multimodal, Speech, Vision, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Chat, Speech recognition (ASR), Translation, Speech-to-text, Visual question answering, Mathematical reasoning, Code generation, Character recognition (OCR). Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

Gemma 3n— kde si to mohu stáhnout?

Jeho váhy jsou publikovány na Hugging Face, pod organizací google. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.

Gemma 3n— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 5.2 × 10²³ FLOP. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.

Gemma 3n— Mohu to spustit, pokud se to nevejde do mé GPU?

Částečně. Vrstvy, které se nevejdou, sedí v systémové paměti a běží jen při zlomku rychlosti, takže většinou odložený model není často použitelný. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 0.9 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Gemma 3n— Běhalo by to rychleji na dvou GPU?

Dvě karty koupit paměť spíše než rychlost, což záleží pouze pokud jedna karta to nemůže udržet. Číslo, které může: 582. Takže druhá karta je tu zřídka odpovědí.

Gemma 3n— proč se kvantizace liší mezi kartami?

Protože se kapacita liší, liší se i to, jak moc musí být stlačena. Počet odlišných úrovní v tabulce výše: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Gemma 3n— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 259–691 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Gemma 3n— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Quadro 6000, s kapacitou VRAM 6 GB. Spouští model při kompresi IQ4_XS používající přibližně 5.0 GB, a produkuje přibližně 16.2 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 582.

Gemma 3n— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 432 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 551.

Gemma 3n— kolik VRAM potřebuje?

Potřebuje asi 5.0 GB při kompresi IQ4_XS, která je ta nejmenší karta, která to používá. Méně komprese vyžaduje více: čísla ve sloupci paměti výše jsou přepočítána pro každou kartu, protože každá drží nejméně komprimovanou verzi, kterou může.

Gemma 3n— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi Q5_K_M, používající přibližně 6.4 GB a generováním zhruba 144 tokenů za sekundu. Fit je těsný.

Gemma 3n— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi Q8_0, používající přibližně 9.1 GB a generováním zhruba 49.2 tokenů za sekundu. Fit je těsný.

Gemma 3n— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q8_0, používající přibližně 9.1 GB a generováním zhruba 61.0 tokenů za sekundu. Fit je pohodlný.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 28 November 2025

Druhý směr

Díváte se na to z druhé strany?

Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.

Všechny AI modely