Gemma 3 QAT 1B calculateur TPS

Ouvrir les poids Google DeepMind 1B paramètres April 2025

Chaque carte ci-dessous est évaluée par rapport à ce modèle à la longueur de contexte et à la qualité minimale que vous choisissez. La vitesse est une estimation pour une demande unique, calculée à partir de la bande passante mémoire de la carte et de la taille du modèle une fois compressé..

Calculé pour ce modèle

818 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

Tesla C1080

4 GB · Q8_0 · 36.9 tok/s

Carte la plus rapide

B200

3,388 tok/s · 180 GB

Quelles GPU peuvent exécuter Gemma 3 QAT 1B?

Définir les entrées, lire la réponse

Longueur de contexte jetons

Une conversation plus longue nécessite plus de mémoire, ce qui peut pousser ce modèle hors des cartes plus petites..

Qualité minimale

Cache des cartes qui ne conviendraient qu'au modèle en le compressant en dessous de ce point..

Recherche de cartes

Mémoire de carte

Montrez aussi les cartes qui ne peuvent pas le faire.

818 cartes correspondent

Calcul en cours

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

Les vitesses sont des estimations pour une seule demande — une conversation à la fois — calculées à partir de la bande passante de la mémoire, de la taille du modèle et de la quantification. Le débit réel varie avec le temps d'exécution d'inférence et sa version. Les chiffres publiés par les fournisseurs de matériel mesurent de nombreuses demandes simultanées et sont beaucoup plus élevés..

Enregistrement

Spécifications complètes

Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..

Origine

Qui a construit ce modèle, où, et quand il a été publié.

Organisation: Google DeepMind
Type d'organisation: Industry
Pays: United States of America
Publié: 18 April 2025

Ce qu'il fait

Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.

Domaine: Language, Vision, Multimodal
Tâche: Language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation
Modèle de base: Gemma 3 1B

Taille

Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.

paramètres: 1B
Données d'entraînement: tokens

Disponibilité

Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.

Poids: Open — downloadable
Accès au modèle: Open weights (restricted use)
Code d'entraînement: Unreleased
Hugging Face: google

Comment il est classé

Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.

Confiance d'enregistrement: Confident

Sources

D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.

Référence: Gemma 3 QAT Models: Bringing state-of-the-Art AI to consumer GPUs
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent Gemma 3 QAT 1B

Classé par tokens par seconde estimés, la carte la plus récente en premier lorsque les vitesses se rejoignent. Étant donné que la génération est limitée par la bande passante de la mémoire, cet ordre suit la bande passante plutôt que tout indice de jeu..

Les plus petits GPU qui fonctionnent encore Gemma 3 QAT 1B

Le chemin le moins cher, par capacité de mémoire. Un ajustement serré exécute le modèle mais ne laisse rien de libre pour une conversation plus longue..

Ce que les chiffres signifient

Exigences matérielles en pratique

Carte minimale

Tesla C1080

Mémoire requise

1.8 GB

Le plus rapide

3,388 tok/s

Gemma 3 QAT 1B atteint un nombre de paramètres de 1B. C'est suffisamment petit pour que le matériel soit rarement l'obstacle, y compris sur des CARDS âgées de plusieurs années. Le nombre de CARDS que nous suivons et qui peuvent le faire fonctionner : 818.

Le point d'entrée est Tesla C1080, avec une capacité de mémoire de 4 GB, le faisant fonctionner à une compression de Q8_0 et produisant environ 36.9 tokens par seconde

Le plus rapide que nous calculons pour cela est B200, générant à peu près 3,388 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

D'où cela vient-il

Gemma 3 QAT 1B a été publié par Google DeepMind, dans le pays enregistré comme United States of America, durant April 2025. Cela provient d'une organisation classée comme industry.

Il fonctionne dans le domaine de Language, Vision, Multimodal, et est enregistré comme exécutant la tâche de language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation.

Plutôt que d'être entraîné depuis le début, il est dérivé de Gemma 3 1B. La plupart des modèles à cette échelle sont adaptés d'une base existante plutôt que construits de rien.

Les poids publiés signifient que le modèle fonctionne sur votre machine plutôt que sur celle de quelqu'un d'autre, ce qui rend la question matérielle ci-dessous répondable. Sur Hugging Face, il est publié sous l'organisation google.

Comprendre les vitesses

La moitié des cartes qui le détiennent gèrent plus de 95.1 tokens par seconde. Produire du texte plus vite que la plupart des gens ne le lisent. 806 d'eux

C'est un modèle dense, donc chaque paramètre est lu pour chaque jeton produit. Cela rend la vitesse presque exactement proportionnelle à la bande passante mémoire — une carte avec le double de la bande passante génère environ deux fois plus rapidement.

Son agencement d'attention est dans notre base de données, donc les chiffres de mémoire sont calculés exactement plutôt qu'approximés.

Étape par étape

Comment choisir un GPU pour Gemma 3 QAT 1B

Le tableau ci-dessus a déjà évalué chaque carte pour laquelle nous avons des spécifications par rapport à ce modèle. Obtenir votre réponse prend six étapes..

01

Vérifiez ce dont cela a besoin avant toute autre chose

La table répertorie chaque carte capable de supporter Gemma 3 QAT 1B, ayant besoin d'environ 1.8 GB à une compression de Q8_0. Aucun montant de puissance de traitement ne compense une carte qui ne peut pas la supporter.
02

Faites correspondre le contexte à votre utilisation réelle.

Définissez le contexte de ce que vous allez réellement utiliser. Le cache augmente avec la conversation, et c'est la raison habituelle pour laquelle une carte qui semblait convenir cesse de s'adapter. Gemma 3 QAT 1B.
03

Définir un seuil de qualité

La Compression est ce qui permet à un modèle de s'adapter à des cartes plus petites, au prix d'une certaine précision., atteignant une compression de Q8_0 sur la plus petite carte qui convient. Fixer une qualité minimale élimine les cartes qui ne parviennent à l'atteindre qu'en exerçant une pression plus forte que vous ne le souhaiteriez, et maintient la comparaison à un niveau.
04

Classer par débit plutôt que par fiche technique

Le classement par tokens par seconde suit la bande passante de la VRAM plutôt que le nombre de cœurs, pour Gemma 3 QAT 1B. Il ne s'alignera pas sur une commande de jeu, car la génération est limitée par la bande passante de la mémoire. La carte en tête de liste est B200, à 3,388 tok/s
05

Vérifiez le verdict de compatibilité avant d'acheter

Tight signifie qu'il se charge et fonctionne sans possibilité d'augmenter le contexte plus tard, dans le cas de Gemma 3 QAT 1B. Confortable signifie que vous pouvez augmenter le contexte plus tard. Cette différence compte plus que quelques tokens par seconde, donc achetez pour confortable si vous vous attendez à cela.
06

Ouvrez la carte sur laquelle vous vous êtes arrêté.

Chaque nom de carte renvoie à sa propre page, qui effectue le même calcul dans l'ensemble du catalogue de modèles. Une carte est généralement achetée pour plus d'un modèle, il est donc utile de jeter un œil avant d'acheter pour Gemma 3 QAT 1B.

Réponses

Gemma 3 QAT 1B — questions courantes

Gemma 3 QAT 1B— qui l'a créé ?

Il a été publié par Google DeepMind, basé sur United States of America, une organisation catégorisée comme industry.

Gemma 3 QAT 1B— quand a-t-il été publié ?

Il a été publié dans April 2025.

Gemma 3 QAT 1B— à quoi ça sert ?

Il fonctionne dans le domaine de Language, Vision, Multimodal, et est enregistré comme gérant la tâche de language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.

Gemma 3 QAT 1B— où puis-je le télécharger ?

Ses poids sont publiés sur Hugging Face, sous l'organisation google. Nous n'hébergeons pas de fichiers de modèle — ce site calcule le matériel nécessaire pour les faire fonctionner.

Gemma 3 QAT 1B— Puis-je l'exécuter s'il ne tient pas dans ma GPU?

Il peut être réparti entre la carte et la mémoire système, mais cela génère de manière douloureuse lentement. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

Gemma 3 QAT 1B— deux GPUs l'exécuteraient-ils plus rapidement ?

Deux cartes achètent de la mémoire plutôt que de la vitesse, ce qui est important seulement si une carte ne peut pas la contenir. Le nombre qui peut : 818. Ainsi, une seconde carte est rarement la réponse ici.

Gemma 3 QAT 1B— pourquoi la quantification diffère-t-elle entre les cartes ?

Une carte plus grande contient une copie plus précise. Le nombre de niveaux de compression utilisés sur les cartes qui l'exécutent : 1. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.

Gemma 3 QAT 1B— quelle est la précision de ces estimations de vitesse ?

Ils sont calculés à partir des spécifications plutôt que mesurés, et chacun a une plage. Un exemple : 2,880–4,066 tok/s sur B200. Le même modèle et carte varient de trente à cinquante pour cent en fonction du logiciel d'inférence et de sa version.

Gemma 3 QAT 1B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est Tesla C1080, avec une capacité de mémoire de 4 GB. Il exécute le modèle à une compression de Q8_0 environ 1.8 GB, et produit environ 36.9 tous les GPU capables de l'exécuter en total 818.

Gemma 3 QAT 1B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 3,388 tokens par seconde; le plus lent qui fonctionne encore gère considérablement moins. La vitesse de lecture est d'environ dix tokens par seconde, et le nombre de cartes qui réussissent cela : 806.

Gemma 3 QAT 1B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 1.8 GB à une compression de Q8_0, laquelle est la plus petite carte qui l'exécute. Moins de compression nécessite plus : les chiffres dans la colonne mémoire ci-dessus sont recalculés pour chaque carte, car chacune détient la version la moins compressée qu'elle peut.

Gemma 3 QAT 1B— Puis-je l'exécuter sur un GPU détenant 8 GB ?

Oui. La carte CMP 170HX 8 GB, tenue 8 GB, l'exécute à une compression de Q8_0, environ 1.8 GO et générant à peu près 631 jetons par seconde. L'adéquation est confortable.

Gemma 3 QAT 1B— Puis-je l'exécuter sur un GPU détenant 12 GB ?

Oui. La carte GeForce RTX 3080 Ti, tenue 12 GB, l'exécute à une compression de Q8_0, environ 1.8 GO et générant à peu près 386 jetons par seconde. L'adéquation est confortable.

Gemma 3 QAT 1B— Puis-je l'exécuter sur un GPU détenant 16 GB ?

Oui. La carte Tesla V100 SXM2 16 GB, tenue 16 GB, l'exécute à une compression de Q8_0, environ 1.8 GO et générant à peu près 479 jetons par seconde. L'adéquation est confortable.

Gemma 3 QAT 1B— Puis-je l'exécuter sur un GPU détenant 24 GB ?

Oui. La carte GeForce RTX 5090 D V2, tenue 24 GB, l'exécute à une compression de Q8_0, environ 1.8 GO et générant à peu près 568 jetons par seconde. L'adéquation est confortable.

Gemma 3 QAT 1B— est-ce que c'est open source ?

Ses poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel. Notez que les poids ouverts ne sont pas la même chose que l'open source au sens plein — cela ne dit rien sur les données d'entraînement, le code d'entraînement ou les conditions commerciales attachées.

Gemma 3 QAT 1B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 1B. 1B. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.

Source

Publication originale

Dernière mise à jour enregistrée 28 November 2025

L'autre direction

Regardez-le de l'autre côté ?

Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.

Tous les modèles AI