01功能特性
优点
- 支持文本、视觉和音频的多模态能力
- 256k 上下文长度
- Apache 2.0（可商用）
- ~7 GB VRAM（Q4 量化）
需了解的局限性
- —12B 稠密模型的推理速度慢于规模相近的 MoE 模型
- —在入门级GPU上运行速度适中
架构
稠密 Transformer 架构，12B 参数，256k 上下文，支持多模态
训练
谷歌，Gemma 4 系列。支持多模态输入（文本、图像、音频）和多语言，许可协议为 Apache 2.0。
最适合的场景
本地多模态多语言长上下文
04安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$# HuggingFace : google/gemma-4-12B
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
7 GB
Q5_K_M
质量/体积的良好平衡
9 GB
Q8_0
几乎无法与 FP16 区分
13 GB
FP16
全精度 — 服务器用途
24 GB
CPU 回退 · 如果您没有 GPU，请预留 16 GB 内存 以较低速度运行此模型的最低要求。
运行Gemma 4 12B需要什么硬件？
在本地以Q4量化运行Gemma 4 12B，大约需要7 GB 显存。可供比较的硬件选项：RTX 5060 Ti 16GB (ASUS Prime) — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： RTX 5060 Ti 16GB (ASUS Prime)
Amazon查看价格 →联盟链接 — 您无需承担额外费用，我们可能获得佣金，推荐独立作出。作为 Amazon 合作伙伴，哪个LLM 会从符合条件的购买中获利。
移动场景： Gemma 4 12B 也可在以下设备上运行 RTX 笔记本电脑 (16 GB 显存）→
在你的私有 ChatGPT 中使用此模型，无需云端
只需 1 小时，即可在您的电脑上拥有专属的免费 ChatGPT — LM Studio、Ollama、Open WebUI、您的文档，无需云端。
- 在线空间，终身可用
- PDF + 文件
- 终身更新
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。