Requisiti VRAM di Gemma 3 12B IT (Multimodal), dimensioni GGU…

Simulatore interattivo di memoria e contesto per Gemma 3 12B IT (Multimodal)

Quantizzazione dei pesi (bpw)

Precisione KV Cache

GPU di destinazione / fascia memoria unificata

Dispositivi (TP)

Lunghezza contesto (token) 32,768 token

Ripartizione memoria e limite di banda passante

Al limite (>90% usabile)

Pesi del modello: 65.4% KV: 22% Overhead: 12.6%

Memoria totale richiesta

10.53 GB

Allocazione per dispositivo: 10.53 GB

Pesi del modello

6.89 GB

KV Cache (FP16): 2.31 GB

Decodifica stimata (singolo flusso)

22.8 tok/s

Overhead runtime e TP: 1.33 GB

Contesto max prima di OOM

9,762

token

La compressione KV architetturale risparmia il 90.4% rispetto a MHA FP16 standard (24.00 GB).

Matrice VRAM per precisione e quantizzazione (contesto 8K / 32K / 128K)

Memoria GPU totale richiesta in base alla precisione dei pesi e alla lunghezza del contesto (batch = 1, KV cache FP16)
Precisione / Formato	bpw effettivi	Solo pesi	Totale @ ctx 8K	Totale @ ctx 32K	Totale @ ctx 128K	Fascia consigliata (@ 32K)
FP16 / BF16	16.00 bpw	22.72 GB	25.34 GB	26.84 GB	32.84 GB	RTX 5090 32GB
FP8	8.50 bpw	12.07 GB	14.37 GB	15.87 GB	21.87 GB	RTX 3090 24GB
Q8_0	8.50 bpw	12.07 GB	14.37 GB	15.87 GB	21.87 GB	RTX 3090 24GB
Q6_K	6.56 bpw	9.32 GB	11.53 GB	13.03 GB	19.03 GB	RTX 4060 Ti 16GB
Q5_K_M	5.69 bpw	8.08 GB	10.26 GB	11.76 GB	17.76 GB	RTX 4060 Ti 16GB
Q4_K_M	4.85 bpw	6.89 GB	9.03 GB	10.53 GB	16.53 GB	RTX 3060 12GB
AWQ INT4	4.50 bpw	6.39 GB	8.52 GB	10.02 GB	16.02 GB	RTX 3060 12GB
IQ4_XS	4.25 bpw	6.04 GB	8.15 GB	9.65 GB	15.65 GB	RTX 3060 12GB

Compatibilità hardware e velocità di decodifica (Gemma 3 12B IT (Multimodal) @ Q4_K_M, contesto 32K)

Esito di compatibilità, utilizzo memoria e throughput di decodifica stimato sulle principali GPU e Apple Silicon
Fascia hardware	Memoria e banda	Richiesta (32K)	Compatibilità	Velocità decod. stimata
RTX 3090 24GB	24 GB · 936 GB/s	10.53 GB (44%)	Entra comodamente	59.3 tok/s
RTX 4090 24GB	24 GB · 1008 GB/s	10.53 GB (44%)	Entra comodamente	63.8 tok/s
RTX 5090 32GB	32 GB · 1792 GB/s	10.53 GB (33%)	Entra comodamente	113.5 tok/s
Apple M-Max 64GB	64 GB · 546 GB/s	10.09 GB (16%)	Entra comodamente	32.5 tok/s
Mac Studio 128GB	128 GB · 546 GB/s	10.09 GB (8%)	Entra comodamente	32.5 tok/s
Mac Studio 192GB	192 GB · 800 GB/s	10.09 GB (5%)	Entra comodamente	47.7 tok/s
NVIDIA A100 80GB	80 GB · 2039 GB/s	10.53 GB (13%)	Entra comodamente	136.7 tok/s
NVIDIA H100 80GB	80 GB · 3350 GB/s	10.53 GB (13%)	Entra comodamente	224.6 tok/s

Parametri verificati dell’architettura Transformer

Checkpoint ID: google/gemma-3-12b-it
Ollama Tag: gemma3:12b
License / Release: Gemma Terms · 2025-Q1
Topologia e attenzione: Transformer denso
Meccanismo di attenzione: Finestra scorrevole ibrida (SWA)
Parametri totali (B): 12.2B
Parametri attivi / token (B): 12.2B
Livelli nascosti / Dimensione nascosta: 48 / 3840
Teste di query / Teste KV: 16Q / 8KV (d=256)
Sliding Window: 1024 (83% local)
Vocab / Max Position: 262,208 / 131,072

I formati quantizzati memorizzano fattori di scala per blocco e zero-point accanto ai pesi interi compatti. Un checkpoint GGUF Q4_K_M a 4 bit richiede in media 4.85 bit effettivi per parametro (non 4.00), mentre Q8_0 si attesta a 8.50 bpw. Nei modelli Mixture-of-Experts, tutti gli esperti instradati e condivisi restano residenti in memoria per evitare il paging dall’host a ogni token.

La Grouped-Query Attention standard alloca 2 × L × H_kv × d_head × S × B × bytes_kv lungo i livelli. La Multi-head Latent Attention di DeepSeek (MLA) comprime chiavi e valori in L × (d_kv_lora + d_qk_rope) × S × B × bytes_kv, riducendo di oltre il 90% la memoria sui contesti lunghi. I modelli ibridi a finestra scorrevole limitano i livelli di attenzione locale a min(S, window_size) facendo scalare linearmente con S quelli globali.

Comandi rapidi vLLM e Ollama per Gemma 3 12B IT (Multimodal)

vllm serve google/gemma-3-12b-it \
  --tensor-parallel-size 1 \
  --max-model-len 32768 \
  --max-num-seqs 8 \
  --gpu-memory-utilization 0.95 \
  --kv-cache-dtype fp8 \
  --enable-prefix-caching \
  --port 8000

# Save as Modelfile, then run: ollama create gemma-3-12b-custom -f Modelfile
FROM gemma3:12b
PARAMETER num_ctx 32768
PARAMETER num_batch 512
PARAMETER flash_attn true

# Environment variables for ollama serve:
# OLLAMA_NUM_PARALLEL=8 OLLAMA_FLASH_ATTENTION=1 OLLAMA_KV_CACHE_TYPE=q8_0 ollama serve