Aller au contenu
Run LLM Locally

Gemma 3 12B IT sur une H100 PCIe

Avec ses 80 Go de VRAM, la H100 PCIe fait tourner Gemma 3 12B IT en Q4_K_M entièrement sur le GPU avec un contexte de 8K (environ 9,1 Go nécessaires). En Q8_0, il tient entièrement.

PartagerFacebookXWhatsAppLinkedInE-mail

Gemma 3 12B IT

Q4_K_M · 8K contexte

Excellent

Le modèle demande environ 9,1 Go et tient dans les 77,6 Go disponibles, avec 68,5 Go de marge.

Votre matériel
H100 PCIe 80 Go · 64 Go RAM
Mémoire estimée
~9,1 Go estimation
VRAM (mémoire utilisable)
77,6 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
127–205 tok/s estimation
Plus grand contexte en mémoire rapide
128K tokens
Confiance : faible

Basé sur : bande passante mémoire (2 000 Go/s) et taille du modèle

Répartition de la mémoire

~9,1 Go (8,5 Go–9,6 Go) nécessaires · estimation

Tient entièrement en VRAM · 68,5 Go libres

  • Poids du modèle6,8 Go
  • Cache KV0,8 Go
  • Surcoût runtime1 Go
  • Marge de sécurité0,4 Go
Hypothèses: contexte 8K tokens · cache KV f16 · llama.cpp (CUDA) · flash attention activée · poids = taille réelle du fichier · les couches à fenêtre glissante gardent 1 024 tokens

EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally, Hugging Face config.json + model card

Ce qui rend cette estimation moins fiable

  • pas encore de benchmark pour ce matériel et ce modèle

Les autres quantifications sur la H100 PCIe

Gemma 3 12B IT sur H100 PCIe + 64 Go de RAM · contexte 8K
Gemma 3 12B IT Q8_08K~14,1 Go · 89–133 tok/s estimationExcellent
Gemma 3 12B IT Q6_K8K~11,4 Go · 106–165 tok/s estimationExcellent
Gemma 3 12B IT Q5_K_M8K~10,2 Go · 116–183 tok/s estimationExcellent
Gemma 3 12B IT Q4_K_M8K~9,1 Go · 127–205 tok/s estimationExcellent
Gemma 3 12B IT IQ4_XS8K~8,3 Go · 135–222 tok/s estimationExcellent
Gemma 3 12B IT Q3_K_M8K~7,8 Go · 142–237 tok/s estimationExcellent

Alternatives

Les GPU qui font tourner Gemma 3 12B IT Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la H100 PCIe

Du matériel qui fait tourner Gemma 3 12B IT Q4_K_M entièrement en mémoire

Les prix et les liens suivent le marché choisi.

GeForce RTX 3080 (10 GB)

NVIDIA

CompatibleFait tourner Gemma 3 12B IT Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Radeon RX 7600 XT

AMD

ExcellentFait tourner Gemma 3 12B IT Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

AMD Ryzen AI Max+ 395

PC à mémoire unifiée

ExcellentFait tourner Gemma 3 12B IT Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.

Questions fréquentes

La H100 PCIe peut-elle faire tourner Gemma 3 12B IT ?
Le modèle demande environ 9,1 Go et tient dans les 77,6 Go disponibles, avec 68,5 Go de marge.
Quelle quantification choisir sur la H100 PCIe ?
Q8_0 est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~14,1 Go / 77,6 Go.
Quel est le plus grand contexte possible sur la H100 PCIe ?
En Q4_K_M, environ 128K tokens tiennent entièrement en VRAM avec un cache KV en f16. Un cache KV en q8_0 double à peu près ce chiffre.
À quelle vitesse tourne Gemma 3 12B IT (H100 PCIe) ?
Nous estimons 127–205 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (2 000 Go/s) et taille du modèle.