Gemma 3 27B IT (Multimodal) — 必要VRAM・量子化マトリクス & 推奨GPUガイド
Gemma 3 27B IT (Multimodal)（Google Gemma、Gemma Terms）は常駐パラメータ 27.4B（トークンあたり有効 27.4B）、62 層、最大 131,072 コンテキストトークンに対応する ハイブリッド・スライディングウィンドウ (SWA) 採用の Dense Transformer（密モデル） アーキテクチャです。
Gemma 3 27B IT (Multimodal) インタラクティブ・メモリ & コンテキストシミュレーター
精度・量子化別 VRAMマトリクス（8K / 32K / 128K コンテキスト）
| 精度 / 形式 | 実効 bpw | 重みのみ | 合計 @ 8K ctx | 合計 @ 32K ctx | 合計 @ 128K ctx | 推奨構成 (@ 32K) |
|---|---|---|---|---|---|---|
| FP16 / BF16 | 16.00 bpw | 51.04 GB | 54.82 GB | 56.69 GB | 64.19 GB | NVIDIA A100 80GB |
| FP8 | 8.50 bpw | 27.11 GB | 30.18 GB | 32.05 GB | 39.55 GB | Apple M4 Pro 48GB |
| Q8_0 | 8.50 bpw | 27.11 GB | 30.18 GB | 32.05 GB | 39.55 GB | Apple M4 Pro 48GB |
| Q6_K | 6.56 bpw | 20.92 GB | 23.80 GB | 25.68 GB | 33.18 GB | RTX 5090 32GB |
| Q5_K_M | 5.69 bpw | 18.15 GB | 20.94 GB | 22.82 GB | 30.32 GB | RTX 3090 24GB |
| Q4_K_M | 4.85 bpw | 15.47 GB | 18.18 GB | 20.06 GB | 27.56 GB | RTX 3090 24GB |
| AWQ INT4 | 4.50 bpw | 14.35 GB | 17.03 GB | 18.91 GB | 26.41 GB | RTX 3090 24GB |
| IQ4_XS | 4.25 bpw | 13.56 GB | 16.21 GB | 18.09 GB | 25.59 GB | RTX 3090 24GB |
ハードウェア互換性 & デコード速度（Gemma 3 27B IT (Multimodal) @ Q4_K_M, 32K コンテキスト）
| ハードウェア構成 | メモリ & 帯域幅 | 必要量 (32K) | 収容判定 | 推定デコード速度 |
|---|---|---|---|---|
| RTX 3090 24GB | 24 GB · 936 GB/s | 20.06 GB (84%) | ギリギリ収容 (>90%使用) | 29.7 tok/s |
| RTX 4090 24GB | 24 GB · 1008 GB/s | 20.06 GB (84%) | ギリギリ収容 (>90%使用) | 32.0 tok/s |
| RTX 5090 32GB | 32 GB · 1792 GB/s | 20.06 GB (63%) | 余裕で収容可能 | 56.8 tok/s |
| Apple M-Max 64GB | 64 GB · 546 GB/s | 19.49 GB (30%) | 余裕で収容可能 | 16.3 tok/s |
| Mac Studio 128GB | 128 GB · 546 GB/s | 19.49 GB (15%) | 余裕で収容可能 | 16.3 tok/s |
| Mac Studio 192GB | 192 GB · 800 GB/s | 19.49 GB (10%) | 余裕で収容可能 | 23.9 tok/s |
| NVIDIA A100 80GB | 80 GB · 2039 GB/s | 20.06 GB (25%) | 余裕で収容可能 | 68.4 tok/s |
| NVIDIA H100 80GB | 80 GB · 3350 GB/s | 20.06 GB (25%) | 余裕で収容可能 | 112.5 tok/s |
検証済み Transformer アーキテクチャ仕様
- Checkpoint ID
- google/gemma-3-27b-it
- Ollama Tag
- gemma3:27b
- License / Release
- Gemma Terms · 2025-Q1
- 構造 & アテンション
- Dense Transformer（密モデル）
- アテンション機構
- ハイブリッド・スライディングウィンドウ (SWA)
- 総パラメータ数 (B)
- 27.4B
- 有効パラメータ / Token (B)
- 27.4B
- 隠れ層数 (Layers) / 隠れ層次元 (Hidden Size)
- 62 / 5376
- クエリヘッド数 / KVヘッド数
- 32Q / 16KV (d=128)
- Sliding Window
- 1024 (83% local)
- Vocab / Max Position
- 262,208 / 131,072
量子化フォーマットはパックされた整数重みに加えてブロック単位のスケール係数とゼロポイントを保持します。4bit GGUF の Q4_K_M はパラメータあたり平均 4.85 実効ビット（4.00ではない）、Q8_0 は平均 8.50 bpw を消費します。Mixture-of-Experts モデルではトークンごとのホストページングを防ぐため、ルーティング対象および共有エキスパートのすべてがメモリ上に常駐します。
標準的な Grouped-Query Attention は全層で 2 × L × H_kv × d_head × S × B × bytes_kv を確保します。DeepSeek Multi-head Latent Attention (MLA) はKeyとValueを L × (d_kv_lora + d_qk_rope) × S × B × bytes_kv へ圧縮し、長文脈メモリを90%以上削減します。ハイブリッド・スライディングウィンドウはローカル層の消費を min(S, window_size) に抑えつつグローバル層のみ S に比例して拡張します。
Gemma 3 27B IT (Multimodal) 用 vLLM & Ollama クイック起動コマンド
vllm serve google/gemma-3-27b-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-3-27b-custom -f Modelfile
FROM gemma3:27b
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同系列・同規模のオープンウェイトモデルを比較
Gemma 3 12B IT (Multimodal)
Google Gemma · 12.2B (HYBRID_SWA)
Qwen3-30B-A3B (MoE)
Qwen · 30.5B (GQA)
Mistral Small 3.1 (24B)
Mistral · 24B (GQA)
Devstral Small (24B SWE Agent)
Mistral · 23.6B (GQA)
GLM-4-32B-0414
Zhipu GLM · 32B (GQA)
Codestral 22B
Mistral · 22.2B (GQA)