Gemma 3 QAT 12B calcolatore TPS

Apri i pesi Google DeepMind 12B parametri April 2025

Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..

Calcolato per questo modello

509 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Xeon Phi 5110P

8 GB · Q3_K_M · 19.8 tok/s

Scheda più veloce

B200

282 tok/s · 180 GB

Quali GPU possono eseguire Gemma 3 QAT 12B?

Imposta gli input, leggi la risposta

Lunghezza del contesto token

Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..

Qualità minima

Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..

Cerca schede

Memoria della scheda

Mostra anche le schede che non possono eseguirlo.

509 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
282 tok/s 240–339	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	13.6 GB	Q8_0	Comodo
282 tok/s 240–339	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	13.6 GB	Q8_0	Comodo
225 tok/s 135–361 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	13.6 GB	Q8_0	Comodo
225 tok/s 135–361 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	13.6 GB	Q8_0	Comodo
180 tok/s 108–289 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	13.6 GB	Q8_0	Comodo
173 tok/s 147–207	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	13.6 GB	Q8_0	Comodo
173 tok/s 147–207	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	13.6 GB	Q8_0	Comodo
165 tok/s 99–264 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	13.6 GB	Q8_0	Comodo
147 tok/s 88–235 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	13.6 GB	Q8_0	Comodo
147 tok/s 88–235 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	13.6 GB	Q8_0	Comodo
147 tok/s 88–235 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	13.6 GB	Q8_0	Comodo
142 tok/s 121–170	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.6 GB	Q3_K_M	Stretto
139 tok/s 118–167	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	13.6 GB	Q8_0	Comodo
127 tok/s 108–153	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.0 GB	Q4_K_M	Stretto
119 tok/s 101–142	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	13.6 GB	Q8_0	Comodo
119 tok/s 101–142	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	13.6 GB	Q8_0	Comodo
119 tok/s 101–142	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	13.6 GB	Q8_0	Comodo
119 tok/s 101–142	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	13.6 GB	Q8_0	Comodo
119 tok/s 101–142	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	13.6 GB	Q8_0	Comodo
90.3 tok/s 54–144 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	13.6 GB	Q8_0	Comodo
90.3 tok/s 54–144 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	13.6 GB	Q8_0	Comodo
75.3 tok/s 45–120 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	13.6 GB	Q8_0	Comodo
73.6 tok/s 44–118 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	13.6 GB	Q8_0	Comodo
73.1 tok/s 62–88	RTX A5000-8Q NVIDIA	8 GB	768 GB/s	Apr 2021	6.6 GB	Q3_K_M	Stretto
72.0 tok/s 61–86	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	13.6 GB	Q8_0	Comodo

Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione: Google DeepMind
Tipo di organizzazione: Industry
Paese: United States of America
Pubblicato: 18 April 2025

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio: Language, Vision, Multimodal
Compito: Language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation
Modello di base: Gemma 3 12B

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

parametri: 12B
Dati di addestramento: tokens

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi: Open — downloadable
Accesso al modello: Open weights (restricted use)
Codice di addestramento: Unreleased
Hugging Face: google

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Record fiducia: Confident

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento: Gemma 3 QAT Models: Bringing state-of-the-Art AI to consumer GPUs
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Gemma 3 QAT 12B

Classificato per token stimati al secondo, scheda più recente per prima dove le velocità coincidono. Poiché la generazione è vincolata dalla larghezza di banda della memoria, quest'ordinamento segue la larghezza di banda piuttosto che qualsiasi benchmark di gioco..

Le GPU più piccole che ancora funzionano Gemma 3 QAT 12B

Il percorso più economico, in base alla capacità di memoria. Un adattamento stretto esegue il modello ma non lascia nulla di riserva per una conversazione più lunga..

Cosa significano i numeri

Il lato hardware

Scheda minima

Xeon Phi 5110P

Memoria necessaria

6.6 GB

Più veloce

282 tok/s

Gemma 3 QAT 12B raggiunge un conteggio di parametri di 12B. È piccolo abbastanza che l'hardware è raramente l'ostacolo, anche su CARD di diversi anni fa. Il numero di CARD che monitoriamo che possono eseguirlo: 509.

A basso prezzo è gestito da Xeon Phi 5110P, con una capacità di memoria di 8 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 19.8 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 282 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Sfondo

Gemma 3 QAT 12B è stato pubblicato da Google DeepMind, nel paese registrato come United States of America, durante April 2025. L'organizzazione di pubblicazione è classificata come industry.

Funziona nel dominio di Language, Vision, Multimodal, ed è registrato come eseguire il compito di language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation.

Costruisce su Gemma 3 12B. Quello è il modo abituale in cui viene prodotto un modello specializzato.

I pesi pubblicati significano che il modello gira sulla tua macchina piuttosto che su quella di qualcun altro, il che rende la domanda sull'hardware qui sotto rispondibile. Su Hugging Face è pubblicato sotto l'organizzazione google.

Leggendo i dati di throughput

Il risultato mediano è attorno 21.2 token al secondo. Superare la velocità di lettura in modo diretto: 455 di loro

Ogni peso partecipa a ogni token qui, quindi la larghezza di banda è tutta la storia: la classifica sottostante è effettivamente una classifica del throughput di memoria.

Poiché l'architettura è registrata, la colonna di memoria è derivata piuttosto che stimata.

Passo dopo passo

Come scegliere una GPU per Gemma 3 QAT 12B

La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..

01

Leggi prima il numero di VRAM

La tabella elenca ogni card in grado di contenere Gemma 3 QAT 12B, avere bisogno di circa 6.6 GB a una compressione di Q3_K_M. Nessuna quantità di potenza di elaborazione compensano una card che non può contenerla.
02

Decidi quanto a lungo durano le tue conversazioni

La conversazione occupa memoria anche, e cresce man mano che procede. Imposta il cursore sulla lunghezza che ti aspetti, perché con un contesto lungo una CARD che gestisce facilmente domande brevi può essere scartata da Gemma 3 QAT 12B.
03

Imposta un pavimento di qualità

La colonna di quantizzazione varia a seconda della scheda, perché una scheda più grande contiene una copia più precisa., raggiungendo una compressione di Q3_K_M sulla scheda più piccola che si adatta. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
04

Ordina per throughput piuttosto che per specifiche.

Ordina per velocità per vedere come si classificano le schede per Gemma 3 QAT 12B. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria. La scheda in cima alla lista è B200, nella 282 tok/s
05

Controlla il giudizio di compatibilità prima di acquistare

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Gemma 3 QAT 12B. Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
06

Vedi cos'altro che questa card esegue

Ogni pagina della scheda ripete questo sondaggio per ogni modello che possediamo, rispondendo a cosa altro l'hardware è utile oltre a Gemma 3 QAT 12B.

Risposte

Gemma 3 QAT 12B — domande comuni

Gemma 3 QAT 12B— posso eseguirlo su una GPU holding 24 GB?

Sì. La scheda GeForce RTX 5090 D V2, tenere 24 GB, lo esegue a una compressione di Q8_0, utilizzando circa 13.6 GB e generando approssimativamente 47.3 token al secondo. Il fit è comodo.

Gemma 3 QAT 12B— è open-source?

I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.

Gemma 3 QAT 12B— quanti parametri ha?

Ha un numero di parametri di 12B. 12B. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.

Gemma 3 QAT 12B— chi l'ha creato?

È stato pubblicato da Google DeepMind, basato su United States of America, un'organizzazione categorizzata come industry.

Gemma 3 QAT 12B— quando è stato rilasciato?

È stato pubblicato in April 2025.

Gemma 3 QAT 12B— A cosa serve?

Funziona nel dominio di Language, Vision, Multimodal, e viene registrato come gestire il compito di language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

Gemma 3 QAT 12B— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione google. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

Gemma 3 QAT 12B— posso eseguirlo se non si adatta nella mia GPU?

Solo scaricando, che di solito è una falsa economia: la parte tenuta in SYSTEM MEMORY rallenta tutto. La più vicina mancata che calcoliamo risulta insufficiente di 2.6 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Gemma 3 QAT 12B— due GPU lo farebbero andare più veloce?

Una seconda CARD raddoppia grossolanamente la VRAM disponibile ma non il tasso di generazione. Il numero già in grado di eseguirlo da solo: 509. Quindi una seconda CARD è raramente la risposta qui.

Gemma 3 QAT 12B— perché la quantizzazione differisce tra le schede?

Ogni card è mostrata mentre esegue la copia meno compressa che può contenere. Il numero di livelli di compressione distinti tra le card che si adattano: 4. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Gemma 3 QAT 12B— quanto sono accurate queste stime di velocità?

Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: 240–339 tok/s su B200. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

Gemma 3 QAT 12B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Xeon Phi 5110P, con una capacità di memoria di 8 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 6.6 GB, e produce approssimativamente 19.8 token al secondo. Il numero di card in grado di eseguirlo in totale: 509.

Gemma 3 QAT 12B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 282 token al secondo; il più lento che riesce a farlo gestisce considerevolmente meno. La velocità di lettura è di circa dieci token al secondo, e il numero di schede che riescono a farlo: 455.

Gemma 3 QAT 12B— quanta VRAM serve?

Ha bisogno di 6.6 GB a una compressione di Q3_K_M, quale è la scheda più piccola che lo utilizza. Meno compressione richiede di più: le cifre nella colonna della memoria sopra sono ricalcolate per ogni scheda, perché ognuna contiene la versione meno compressa possibile.

Gemma 3 QAT 12B— posso eseguirlo su una GPU holding 8 GB?

Sì. La scheda CMP 170HX 8 GB, tenere 8 GB, lo esegue a una compressione di Q3_K_M, utilizzando circa 6.6 GB e generando approssimativamente 142 token al secondo. Il fit è stretto.

Gemma 3 QAT 12B— posso eseguirlo su una GPU holding 12 GB?

Sì. La scheda GeForce RTX 3080 Ti, tenere 12 GB, lo esegue a una compressione di Q5_K_M, utilizzando circa 9.4 GB e generando approssimativamente 57.5 token al secondo. Il fit è stretto.

Gemma 3 QAT 12B— posso eseguirlo su una GPU holding 16 GB?

Sì. La scheda Tesla V100 SXM2 16 GB, tenere 16 GB, lo esegue a una compressione di Q8_0, utilizzando circa 13.6 GB e generando approssimativamente 39.9 token al secondo. Il fit è stretto.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.

Tutti i modelli AI