Modelos / Gemma 4
Gemma 4 31B
O maior Gemma 4 denso. Excelente em português; cabe em 24 GB com contexto moderado.
- Parâmetros
- 31.3B
- Contexto máximo
- 256K
- Placa mínima
- 24 GB de VRAM
- Mac mínimo
- 32 GB
Google · licença apache-2.0 · mínimos com Q4_K_M e 8K de contexto
Rodar no Ollama
- Q4_K_M
ollama run gemma4:31b - Q8_0
ollama run gemma4:31b-it-q8_0 - FP16
ollama run gemma4:31b-it-bf16
Quanta memória precisa
Total com pesos, KV cache, visão e runtime, por quantização e contexto.
| Quantização | 4K | 8K | 32K | 128K |
|---|---|---|---|---|
| Q4_K_M | 21,4 GB | 21,8 GB | 24,4 GB | 34,4 GB |
| Q5_K_M | 24,5 GB | 25 GB | 27,5 GB | 37,6 GB |
| Q8_0 | 35,3 GB | 35,7 GB | 38,2 GB | 48,3 GB |
| FP16 | 64 GB | 64,5 GB | 67 GB | 77,1 GB |
Placas que rodam
- RTX 4090 24 GBApertado≈ 37 tok/s
- RTX 3090 24 GBApertado≈ 34 tok/s
- Radeon RX 7900 XTX 24 GBApertado≈ 28 tok/s
- RTX 5090 32 GBRoda bem≈ 65 tok/s
Macs
- M5a partir de 32 GB · ≈ 5,7 tok/s
- M5 Proa partir de 48 GB · ≈ 12 tok/s
- M5 Maxa partir de 36 GB · ≈ 14 tok/s
- M4a partir de 32 GB · ≈ 4,5 tok/s
- M4 Proa partir de 48 GB · ≈ 10 tok/s
- M4 Maxa partir de 36 GB · ≈ 12 tok/s
Arquitetura
- 60 camadas, 16 cabeças de KV de 256 dimensões.
- 50 camadas olham só os últimos 1.024 tokens; 10 guardam o contexto inteiro.
- As camadas globais usam 4 cabeças de 512 dimensões.
Fontes: config.json · arquivo de pesos · atualizado em 16/10/2026