Model · Google DeepMind · 2026· config.json 已核实
Gemma 4 31B（31.27B）显存要求 · 本地部署需要什么显卡
原生上下文 262,144 tokens · SWA-HYBRID
推理显存需求（llama.cpp 口径，batch = 1，含 KV/缓冲/开销）
| 量化档 | 权重体积 | 4K 上下文 | 32K 上下文 | 128K 上下文 | 256K 上下文 |
|---|---|---|---|---|---|
| FP16 / BF16 | 58.2 GiB | 60.7 GiB | 66.8 GiB | 87.8 GiB | 115.8 GiB |
| GGUF Q8_0 | 30.9 GiB | 33.4 GiB | 39.5 GiB | 60.5 GiB | 88.5 GiB |
| GGUF Q4_K_M | 17.7 GiB | 20.1 GiB | 26.2 GiB | 47.2 GiB | 75.2 GiB |
| GGUF Q2_K | 9.6 GiB | 12.0 GiB | 18.1 GiB | 39.1 GiB | 67.1 GiB |
显存需求 = 权重 + KV cache + 计算/输入缓冲 + 框架开销（≈0.8 GB）。权重与 KV 为精确公式， 典型误差 ±3%；≥24 GB 显存可从 4-bit 档起步。
微调显存估算（4096 上下文 × batch 1，梯度检查点开）
| 全参微调（AdamW 混合精度） | 469.4 GiB |
| LoRA（r=16，7 模块） | 63.4 GiB |
| QLoRA（NF4，r=16） | 20.2 GiB |
微调框架与部署引擎推荐
微调：Tunix（Google 官方 JAX） · Gemma Library · QLoRA / Unsloth
部署：Ollama · LM Studio · llama.cpp · LiteRT-LM（边缘）
硬件参考：Gemma 1B：可在手机运行；27B：24GB+ 显存