Gemma 3 QAT 1B TPS-Rechner

Offene Gewichte Google DeepMind 1B Parameter April 2025

Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..

Für dieses Modell berechnet

818 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Tesla C1080

4 GB · Q8_0 · 36.9 tok/s

Schnellste Karte

B200

3,388 tok/s · 180 GB

Welche GPUs können laufen Gemma 3 QAT 1B?

Setze die Eingaben, lies die Antwort

Kontextlänge Token

Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..

Minimale Qualität

Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..

Suchkarten

Karten-VRAM

Zeige auch Karten, die es nicht ausführen können.

818 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
3,388 tok/s 2,880–4,066	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	1.8 GB	Q8_0	Komfortabel
3,388 tok/s 2,880–4,066	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	1.8 GB	Q8_0	Komfortabel
2,706 tok/s 1,623–4,329 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	1.8 GB	Q8_0	Komfortabel
2,706 tok/s 1,623–4,329 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	1.8 GB	Q8_0	Komfortabel
2,164 tok/s 1,298–3,462 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	1.8 GB	Q8_0	Komfortabel
2,071 tok/s 1,760–2,485	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	1.8 GB	Q8_0	Komfortabel
2,071 tok/s 1,760–2,485	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	1.8 GB	Q8_0	Komfortabel
1,982 tok/s 1,189–3,171 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	1.8 GB	Q8_0	Komfortabel
1,759 tok/s 1,055–2,815 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	1.8 GB	Q8_0	Komfortabel
1,759 tok/s 1,055–2,815 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	1.8 GB	Q8_0	Komfortabel
1,759 tok/s 1,055–2,815 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	1.8 GB	Q8_0	Komfortabel
1,669 tok/s 1,418–2,002	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	1.8 GB	Q8_0	Komfortabel
1,423 tok/s 1,210–1,708	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	1.8 GB	Q8_0	Komfortabel
1,423 tok/s 1,210–1,708	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	1.8 GB	Q8_0	Komfortabel
1,423 tok/s 1,210–1,708	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	1.8 GB	Q8_0	Komfortabel
1,423 tok/s 1,210–1,708	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	1.8 GB	Q8_0	Komfortabel
1,423 tok/s 1,210–1,708	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	1.8 GB	Q8_0	Komfortabel
1,084 tok/s 650–1,734 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	1.8 GB	Q8_0	Komfortabel
1,084 tok/s 650–1,734 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	1.8 GB	Q8_0	Komfortabel
903 tok/s 542–1,445 · niedrige Vertrauenswürdigkeit	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	1.8 GB	Q8_0	Komfortabel
884 tok/s 530–1,414 · niedrige Vertrauenswürdigkeit	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	1.8 GB	Q8_0	Komfortabel
864 tok/s 734–1,037	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	1.8 GB	Q8_0	Komfortabel
864 tok/s 734–1,037	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	1.8 GB	Q8_0	Komfortabel
864 tok/s 734–1,037	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	1.8 GB	Q8_0	Komfortabel
864 tok/s 734–1,037	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	1.8 GB	Q8_0	Komfortabel

Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation: Google DeepMind
Organisationsart: Industry
Land: United States of America
Veröffentlicht: 18 April 2025

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain: Language, Vision, Multimodal
Aufgabe: Language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation
Basis-Modell: Gemma 3 1B

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Parameter: 1B
Trainingsdaten: tokens

Verfügbarkeit

Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.

Gewichte: Open — downloadable
Modellzugang: Open weights (restricted use)
Training-Code: Unreleased
Hugging Face: google

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Gemma 3 QAT Models: Bringing state-of-the-Art AI to consumer GPUs
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Gemma 3 QAT 1B

Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..

Die kleinsten GPUs, die immer noch laufen Gemma 3 QAT 1B

Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..

Was die Zahlen bedeuten

Hardware-Anforderungen in der Praxis

Minimale Karte

Tesla C1080

Benötigter Speicher

1.8 GB

Schnellste

3,388 tok/s

Gemma 3 QAT 1B erreicht eine Parameteranzahl von 1B. Das ist klein genug, dass Hardware selten das Hindernis ist, einschließlich bei Karten, die mehrere Jahre alt sind. Die Anzahl der Karten, die wir verfolgen, die es ausführen können: 818.

Der Einstiegspunkt ist Tesla C1080, mit einer MEMORY-KAPAZITÄT von 4 GB, es mit einer Kompression von Q8_0 und produziert etwa 36.9 Token pro Sekunde

Die schnellste Berechnung dafür ist B200, generieren ungefähr 3,388 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Woher es kam

Gemma 3 QAT 1B wurde veröffentlicht von Google DeepMind, im Land aufgezeichnet als United States of America, während April 2025. Es stammt aus einer Organisation, die kategorisiert ist als industry.

Es funktioniert im Bereich von Language, Vision, Multimodal, und wird als die Aufgabe von aufgezeichnet language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation.

Anstatt von Grund auf neu trainiert zu werden, ist es abgeleitet von Gemma 3 1B. Die meisten Modelle in diesem Bereich sind von einer bestehenden Basis abgeleitet, anstatt aus dem Nichts erstellt zu werden.

Veröffentlichte Gewichte bedeuten, dass das Modell auf deinem Rechner läuft und nicht auf dem eines anderen, was die Hardwarefrage unten überhaupt beantwortbar macht. Es ist unter der Organisation auf Hugging Face veröffentlicht. google.

Verstehen der Geschwindigkeiten

Die Hälfte der CARDS, die es halten, schaffen mehr als 95.1 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 806 von ihnen

Es ist ein dichtes Modell, daher wird jeder Parameter für jedes produzierte Token gelesen. Das macht die Geschwindigkeit fast genau bandbreitengebunden – eine Karte mit der doppelte Bandbreite erzeugt ungefähr doppelt so schnell.

Das Attention-Layout ist in unserer Datenbank, sodass die Speicherstatistiken genau berechnet werden, anstatt geschätzt zu werden.

Schritt für Schritt

Wie wählt man eine GPU für Gemma 3 QAT 1B

Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..

01

Überprüfen Sie, was es benötigt, bevor alles andere.

Die Tabelle listet jede Karte auf, die in der Lage ist, zu halten Gemma 3 QAT 1B, benötigt ungefähr 1.8 GB bei einer Kompression von Q8_0. Kein Maß an Rechenleistung kompensiert eine Karte, die es nicht halten kann.
02

Passen Sie den Kontext an Ihre tatsächliche Verwendung an

Setze den Kontext auf das, was du tatsächlich verwenden wirst. Der Cache wächst mit dem Gespräch, und es ist der übliche Grund, warum eine Karte, die anfangs passend schien, nicht mehr passt. Gemma 3 QAT 1B.
03

Setze eine Qualitätsuntergrenze

Kompression ist das, was ein Modell auf kleinere GPU-Karten passt, mit einem gewissen Verlust an Genauigkeit., eine Kompression von Q8_0 auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
04

Nach Durchsatz und nicht nach Spezifikationen sortieren

Das Ranking nach Tokens pro Sekunde folgt der Speicherbandbreite anstelle der Kernanzahl, für Gemma 3 QAT 1B. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist B200, bei 3,388 tok/s
05

Überprüfen Sie das Passurteil, bevor Sie kaufen.

Tight bedeutet, dass es lädt und ohne Spielraum funktioniert, um den Kontext später zu erhöhen, im Fall von Gemma 3 QAT 1B. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
06

Öffnen Sie die Karte, die Sie ausgewählt haben

Jede Karte verlinkt auf ihre eigene Seite, die dieselbe Berechnung über den gesamten Modellkatalog ausführt. Eine Karte wird normalerweise für mehr als ein Modell gekauft, daher lohnt sich ein Blick, bevor man kauft. Gemma 3 QAT 1B.

Antworten

Gemma 3 QAT 1B — Häufige Fragen

Gemma 3 QAT 1B— Wer hat es erstellt?

Es wurde veröffentlicht von Google DeepMind, basiert auf United States of America, eine als kategorisierte Organisation industry.

Gemma 3 QAT 1B— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in April 2025.

Gemma 3 QAT 1B— Wofür wird es verwendet?

Es funktioniert im Bereich von Language, Vision, Multimodal, und wird als Bewältigung der Aufgabe von language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation. Ein Modell kann mehrere von jedem tragen, daher sind dies die Bereiche, für die es gebaut wurde, anstatt eine Begrenzung dafür, was es versuchen wird.

Gemma 3 QAT 1B— Wo kann ich es herunterladen?

Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation google. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.

Gemma 3 QAT 1B— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Es kann zwischen der GPU-Karte und dem Systemspeicher aufgeteilt werden, aber es wird auf diese Weise schmerzhaft langsam erzeugt. Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Gemma 3 QAT 1B— Würden zwei GPUs es schneller ausführen?

Zwei Karten kaufen Speicher statt Geschwindigkeit, was nur wichtig ist, wenn eine Karte es nicht halten kann. Die Anzahl, die es kann: 818. So eine zweite Karte ist hier selten die Antwort.

Gemma 3 QAT 1B— Warum unterscheidet sich die Quantisierung zwischen Karten?

Eine größere Karte hält eine genauere Kopie. Die Anzahl der verwendeten Komprimierungsstufen über die Karten, die es ausführen: 1. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Gemma 3 QAT 1B— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 2,880–4,066 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Gemma 3 QAT 1B— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Tesla C1080, mit einer MEMORY-KAPAZITÄT von 4 GB. Es führt das Modell mit einer Kompression von Q8_0 verwenden von etwa 1.8 GB, und produziert ungefähr 36.9 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 818.

Gemma 3 QAT 1B— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 3,388 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 806.

Gemma 3 QAT 1B— Wie viel VRAM benötigt es?

Es benötigt etwa 1.8 GB bei einer Kompression von Q8_0, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.

Gemma 3 QAT 1B— Kann ich es auf einer GPU mitführen? 8 GB?

Ja. Die GPU-Karte CMP 170HX 8 GB, halten 8 GB, führt es mit einer Kompression von Q8_0, verwenden von etwa 1.8 GB und generieren grob 631 Tokens pro Sekunde. Der Fit ist komfortabel.

Gemma 3 QAT 1B— Kann ich es auf einer GPU mitführen? 12 GB?

Ja. Die GPU-Karte GeForce RTX 3080 Ti, halten 12 GB, führt es mit einer Kompression von Q8_0, verwenden von etwa 1.8 GB und generieren grob 386 Tokens pro Sekunde. Der Fit ist komfortabel.

Gemma 3 QAT 1B— Kann ich es auf einer GPU mitführen? 16 GB?

Ja. Die GPU-Karte Tesla V100 SXM2 16 GB, halten 16 GB, führt es mit einer Kompression von Q8_0, verwenden von etwa 1.8 GB und generieren grob 479 Tokens pro Sekunde. Der Fit ist komfortabel.

Gemma 3 QAT 1B— Kann ich es auf einer GPU mitführen? 24 GB?

Ja. Die GPU-Karte GeForce RTX 5090 D V2, halten 24 GB, führt es mit einer Kompression von Q8_0, verwenden von etwa 1.8 GB und generieren grob 568 Tokens pro Sekunde. Der Fit ist komfortabel.

Gemma 3 QAT 1B— Ist es Open-Source?

Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.

Gemma 3 QAT 1B— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 1B. 1B. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.

Alle KI-Modelle