Gemma 3 12B TPS-rekenmachine

Open gewichten Google DeepMind 12B parameters March 2025

Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..

Bereken voor dit model

509 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Xeon Phi 5110P

8 GB · Q3_K_M · 19.8 tok/s

Snelste kaart

B200

282 tok/s · 180 GB

Welke GPU's kunnen draaien Gemma 3 12B?

Stel de invoer in, lees het antwoord

Contextlengte tokens

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Minimale kwaliteit

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

Zoek kaarten

Kaartgeheugen

Toon ook kaarten die het niet kunnen draaien

509 kaarten passen

Berekenen

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

Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie: Google DeepMind
Organisatietype: Industry
Land: United States of America
Gepubliceerd: 12 March 2025
Auteurs: Core contributors: Aishwarya Kamath, Johan Ferret, Shreya Pathak, Nino Vieillard, Ramona Merhej, Sarah Perrin, Tatiana Matejovicova, Alexandre Ramé, Morgane Rivière, Louis Rouillard, Thomas Mesnard, Geoffrey Cideron, Jean-bastien Grill, Sabela Ramos, Edouard Yvinec, Michelle Casbon, Etienne Pot, Ivo Penchev, Gaël Liu, Francesco Visin, Kathleen Kenealy, Lucas Beyer, Xiaohai Zhai, Anton Tsitsulin, R…

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein: Language, Vision, Multimodal
Taak: Language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation
Basis model: SigLIP 400M

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

parameters: 12B
Training gegevens: 12,000,000,000,000 tokens

Training rekenen

De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.

Training rekenen: 8.6 × 10²³ FLOP
Hoe het werd opgericht: Operation counting

De trainingsrun

Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.

Training hardware: Google TPU v4
Gebruikte chips: 6,144
Stroomverbruik: 4.1 MW

Beschikbaarheid

Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.

Gewichten: Open — downloadable
Toegang tot model: Open weights (restricted use)
Training code: Unreleased
Hugging Face: google

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Waarschijnlijk boven de 10²³ FLOP: Yes
Record vertrouwen: Confident

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie: Gemma 3 Technical Report
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien Gemma 3 12B

Gerangschikt op geschatte tokens per seconde, nieuwste kaart eerst waar snelheden gelijk zijn. Omdat generatie gebonden is aan geheugensnelheid, volgt deze ordening de snelheid in plaats van een gamebenchmark..

De kleinste GPU's die nog steeds draaien Gemma 3 12B

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

Wat de cijfers betekenen

De hardwarekant

Minimum kaart

Xeon Phi 5110P

Geheugen nodig

6.6 GB

Snelste

282 tok/s

Gemma 3 12B bereikt een parameter telling van 12B. Dat is klein genoeg zodat hardware zelden de obstakel is, inclusief op kaarten van enkele jaren oud. Het aantal kaarten dat we volgen die het kunnen draaien: 509.

Aan de onderkant wordt het afgehandeld door Xeon Phi 5110P, met een geheugen capaciteit van 8 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 19.8 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 282 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Wat dit model is

Gemma 3 12B werd gepubliceerd door Google DeepMind, in het land geregistreerd als United States of America, tijdens March 2025. Het komt uit een organisatie gecategoriseerd als industry.

Het werkt in het domein van Language, Vision, Multimodal, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation.

Het bouwt voort op SigLIP 400M. Dat is waarom het de algemene vorm en grootte van het basismodell deelt.

Gepubliceerde gewichten betekenen dat het model op jouw machine draait in plaats van op die van iemand anders, wat de hardwarevraag hieronder op enige manier beantwoordbaar maakt. Op Hugging Face is het gepubliceerd onder de organisatie google.

Wat bepaalt de snelheid

De mediaanresultaat is rond 21.2 tokens per second. Outright de leessnelheid overschrijden. 455 van hen

Het is een dicht model, dus elke parameter wordt gelezen voor elk token dat wordt geproduceerd. Dat maakt de snelheid bijna precies het geheugenbandbreedte bijhouden — een kaart met twee keer de bandbreedte genereert ongeveer twee keer zo snel.

Omdat de architectuur is vastgelegd, is de geheugen kolom afgeleid in plaats van geschat.

Hoe het getraind werd

Het produceren ervan vereiste een rekenkundige totaal van ongeveer 8.6 × 10²³ FLOP, op hardware vastgelegd als Google TPU v4. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

De trainingsset liep naar ongeveer 12,000,000,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor Gemma 3 12B

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

01

Controleer wat het nodig heeft voordat iets anders.

De tabel vermeldt elke kaart die in staat is om te bevatten. Gemma 3 12B, ongeveer nodig 6.6 GB bij een compressie van Q3_K_M. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Bepaal hoe lang je gesprekken duren

Langere gesprekken kosten geheugen bovenop wat de gewichten nodig hebben. Verplaats de schuifregelaar naar je echte werklengte voordat je een rij vertrouwt voor Gemma 3 12B.
03

Bepaal hoeveel compressie je accepteert

De kwantisatiekolom varieert per CARD, omdat een grotere CARD een nauwkeuriger kopie vasthoudt., bereiken van een compressie van Q3_K_M op de kleinste kaart die past. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
04

Sorteer op snelheid

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Gemma 3 12B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 282 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van Gemma 3 12B. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
06

Open de kaart die je hebt gekozen.

Elke kaartpagina herhaalt deze scan voor elk model dat we hebben, en beantwoordt waarvoor de hardware verder goed is naast Gemma 3 12B.

Antwoorden

Gemma 3 12B — veelgestelde vragen

Gemma 3 12B— kan ik het draaien als het niet in mijn GPU past?

Het kan worden opgesplitst tussen de GPU-kaart en systeemgeheugen, maar het genereert op die manier pijnlijk traag. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 2.6 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Gemma 3 12B— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 509. Dus een tweede card is zelden het antwoord hier.

Gemma 3 12B— waarom verschilt de quantisatie tussen kaarten?

Een grotere CARD houdt een nauwkeuriger kopie. Het aantal compressieniveaus dat gebruikt wordt op de CARDS die het draaien: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Gemma 3 12B— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 240–339 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Gemma 3 12B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Xeon Phi 5110P, met een geheugen capaciteit van 8 GB. Het draait het model op een compressie van Q3_K_M ongeveer 6.6 GB, en produceert ongeveer 19.8 tokens per second. Het aantal kaarten dat het totaal kan draaien: 509.

Gemma 3 12B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 282 tokens per seconde; de langzaamste die het nog steeds draait haalt aanzienlijk minder. De leessnelheid is rond de tien tokens per seconde, en het aantal kaarten dat dat haalt: 455.

Gemma 3 12B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 6.6 GB bij een compressie van Q3_K_M, welke is wat de kleinste card die het draait gebruikt. Minder compressie heeft meer nodig: de cijfers in de memory-kolom hierboven worden opnieuw berekend voor elke card, omdat elke card de minst gecomprimeerde versie kan vasthouden.

Gemma 3 12B— kan ik het draaien op een GPU met 8 GB?

Ja. De GPU kaart CMP 170HX 8 GB, houden 8 GB, draait het met een compressie van Q3_K_M, ongeveer 6.6 GB en genereren ongeveer 142 tokens per second. De pasvorm is krap.

Gemma 3 12B— kan ik het draaien op een GPU met 12 GB?

Ja. De GPU kaart GeForce RTX 3080 Ti, houden 12 GB, draait het met een compressie van Q5_K_M, ongeveer 9.4 GB en genereren ongeveer 57.5 tokens per second. De pasvorm is krap.

Gemma 3 12B— kan ik het draaien op een GPU met 16 GB?

Ja. De GPU kaart Tesla V100 SXM2 16 GB, houden 16 GB, draait het met een compressie van Q8_0, ongeveer 13.6 GB en genereren ongeveer 39.9 tokens per second. De pasvorm is krap.

Gemma 3 12B— kan ik het draaien op een GPU met 24 GB?

Ja. De GPU kaart GeForce RTX 5090 D V2, houden 24 GB, draait het met een compressie van Q8_0, ongeveer 13.6 GB en genereren ongeveer 47.3 tokens per second. De fit is comfortabel.

Gemma 3 12B— is het open-source?

De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.

Gemma 3 12B— hoeveel parameters heeft het?

Het heeft een parameter telling van 12B. Vision Encoder: 417M Embedding Parameters: 1,012M Non-embedding Parameters: 10,759M. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.

Gemma 3 12B— wie heeft het gemaakt?

Het werd gepubliceerd door Google DeepMind, gebaseerd op United States of America, een organisatie geclassificeerd als industry.

Gemma 3 12B— wanneer is het uitgebracht?

Het werd gepubliceerd in March 2025.

Gemma 3 12B— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, Vision, Multimodal, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Translation, Chat, Quantitative reasoning, Visual question answering, Code generation. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.

Gemma 3 12B— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie google. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

Gemma 3 12B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 8.6 × 10²³ FLOP, op hardware vastgelegd als Google TPU v4. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.

Bron

Originele publicatie

Laatste update geregistreerd 28 November 2025

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.

Alle AI-modellen