01功能特性
优点
- 在多个基准测试中超越 Llama 3 8B
- Gemma 许可证
- 质量与规模之间的平衡良好
需了解的局限性
- —上下文长度仅为 8192
- —无视觉功能
架构
稠密 Transformer · Gemma 2 9B · 滑动窗口注意力
训练
8T tokens。架构通过对 Gemma 2 27B 进行蒸馏而得到。
最适合的场景
Chat翻译
05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。
$ollama run gemma2:9b
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%
6 GB
Q5_K_M
质量/体积的良好平衡
7.5 GB
Q8_0
几乎无法与 FP16 区分
11 GB
FP16
全精度 — 服务器用途
20 GB
CPU 回退 · 如果您没有 GPU，请预留 12 GB 内存 以较低速度运行此模型的最低要求。
运行Gemma 2 9B需要什么硬件？
在本地以Q4量化运行Gemma 2 9B，大约需要6 GB 显存。可供比较的硬件选项：RTX 5060 Ti 16 GB — 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 16 GB
Amazon查看价格 →Materiel.net查看价格 →Darty查看价格 →联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
移动场景： Gemma 2 9B 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
- 30 天内退款
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。
04公开基准测试
分数引自模型卡片或 MMLU-Pro / 社区数据。单位：正确回答百分比。
MMLU
71.3
HellaSwag
87.2
HumanEval
40.2