Modèle · Google

Gemma 2 9B IT : VRAM et matériel nécessaires

En Q4_K_M avec un contexte de 8K, Gemma 2 9B IT demande environ 8,6 Go : un GPU de 10 Go ou plus le fait tourner entièrement en VRAM.

Paramètres9,24B
Contexte max8K
LicenceGemma Terms of Use

PartagerFacebook X WhatsApp LinkedIn E-mail

Caractéristiques

Organisation: Google
Architecture: gemma2
Sortie: juin 2024
Couches: 42
Dimension cachée: 3584
Têtes d'attention: 16
Têtes KV: 8
Dimension par tête: 256
Vocabulaire: 256 000
Cache KV pour 1K tokens (f16): 0,328 Go
Dépôt: google/gemma-2-9b-it

Spécification officielleDonnées mises à jour il y a 24 joursSource: Hugging Face config.json + model card

Quantifications et mémoire

Gemma 2 9B IT : mémoire par quantification, contexte 8K
Quantification	Taille du fichier	Mémoire nécessaire	Mémoire GPU minimale	Qualité
BF16	Non disponible	~21,2 Go	24 Go	Référence (non quantifié)
Q8_0	9,2 Go	~12,7 Go	16 Go	Quasi sans perte
Q6_K	7,1 Go	~10,5 Go	11 Go	Quasi sans perte
Q5_K_M	6,2 Go	~9,5 Go	10 Go	Très bonne
Q4_K_MLa plus utilisée	5,4 Go	~8,6 Go	10 Go	Bonne — le choix courant
IQ4_XS	4,8 Go	~8,1 Go	10 Go	Bonne — le choix courant
Q3_K_M	4,4 Go	~7,6 Go	10 Go	Perte perceptible
Q2_K	3,5 Go	~6,7 Go	8 Go	Perte importante

Tailles de fichier : non disponibles tant qu'elles ne sont pas importées du dépôt du modèle. Mémoire = poids (estimés d'après les bits par poids) + cache KV + surcoût runtime + marge de sécurité. (BF16 ≈ 16 bpw, Q8_0 ≈ 8,5 bpw, Q6_K ≈ 6,57 bpw, Q5_K_M ≈ 5,7 bpw, Q4_K_M ≈ 4,9 bpw, IQ4_XS ≈ 4,46 bpw, Q3_K_M ≈ 4 bpw, Q2_K ≈ 3,17 bpw)

Q4, Q5 ou Q8 : comment choisir sa quantification

Les GPU qui font tourner Gemma 2 9B IT

Gemma 2 9B IT Q4_K_M · contexte 8K, un GPU

RTX 509032 Go · 64 Go RAM~8,7 Go · 134–213 tok/s estimation	Excellent	~8,7 Go	134–213 tok/sestimation
RTX 409024 Go · 64 Go RAM~8,7 Go · 89–130 tok/s estimation	Excellent	~8,7 Go	89–130 tok/sestimation
RTX 309024 Go · 64 Go RAM~8,7 Go · 84–122 tok/s estimation	Excellent	~8,7 Go	84–122 tok/sestimation
RX 7900 XTX24 Go · 64 Go RAM~8,8 Go · 70–109 tok/s estimation	Excellent	~8,8 Go	70–109 tok/sestimation
RTX 5060 Ti 16 GB16 Go · 64 Go RAM~8,7 Go · 45–62 tok/s estimation	Excellent	~8,7 Go	45–62 tok/sestimation
RTX 5070 Ti16 Go · 64 Go RAM~8,7 Go · 81–117 tok/s estimation	Excellent	~8,7 Go	81–117 tok/sestimation
RTX 508016 Go · 64 Go RAM~8,7 Go · 85–125 tok/s estimation	Excellent	~8,7 Go	85–125 tok/sestimation
RTX 4060 Ti 16 GB16 Go · 64 Go RAM~8,7 Go · 30–40 tok/s estimation	Excellent	~8,7 Go	30–40 tok/sestimation
RTX 4070 Ti SUPER16 Go · 64 Go RAM~8,7 Go · 64–90 tok/s estimation	Excellent	~8,7 Go	64–90 tok/sestimation
RX 9070 XT16 Go · 64 Go RAM~8,8 Go · 52–77 tok/s estimation	Excellent	~8,8 Go	52–77 tok/sestimation
RTX 3060 12 GB12 Go · 64 Go RAM~8,7 Go · 37–50 tok/s estimation	Excellent	~8,7 Go	37–50 tok/sestimation
RTX 407012 Go · 64 Go RAM~8,7 Go · 50–69 tok/s estimation	Excellent	~8,7 Go	50–69 tok/sestimation
RTX 507012 Go · 64 Go RAM~8,7 Go · 64–90 tok/s estimation	Excellent	~8,7 Go	64–90 tok/sestimation
RTX 40608 Go · 64 Go RAM~8,7 Go · 12–22 tok/s estimation	Offload CPU/GPU	~8,7 Go	12–22 tok/sestimation

Les Mac qui font tourner Gemma 2 9B IT

Gemma 2 9B IT Q4_K_M · contexte 8K

M3 Ultra (80-core GPU) · 512 GoMac Studio~8,5 Go · 60–111 tok/s estimation	Excellent	~8,5 Go	60–111 tok/sestimation
M4 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~8,5 Go · 44–74 tok/s estimation	Excellent	~8,5 Go	44–74 tok/sestimation
M3 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~8,5 Go · 34–54 tok/s estimation	Excellent	~8,5 Go	34–54 tok/sestimation
M4 Pro (20-core GPU) · 64 GoMac mini, MacBook Pro 14~8,5 Go · 24–37 tok/s estimation	Excellent	~8,5 Go	24–37 tok/sestimation
M4 Max (32-core GPU) · 36 GoMacBook Pro 14, MacBook Pro 16~8,5 Go · 34–56 tok/s estimation	Excellent	~8,5 Go	34–56 tok/sestimation
M4 · 32 GoMacBook Air, MacBook Pro 14~8,5 Go · 11–17 tok/s estimation	Excellent	~8,5 Go	11–17 tok/sestimation
M5 · 32 GoMacBook Pro 14~8,5 Go · 14–21 tok/s estimation	Excellent	~8,5 Go	14–21 tok/sestimation
M3 · 24 GoMacBook Air, MacBook Pro 14~8,5 Go · 9,5–14 tok/s estimation	Compatible	~8,5 Go	9,5–14 tok/sestimation

EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally

Les limites en clair

Le cache KV grandit avec le contexte : à 8K, il ajoute environ 2 Go aux poids.

Avec moins de 8 Go de VRAM, choisissez une quantification plus petite ou un modèle plus petit de la même famille.

Où acheter

Votre marché

Les prix et les liens suivent le marché choisi.

GeForce RTX 3080 (10 GB)

NVIDIA

CompatibleFait tourner Gemma 2 9B 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 2 9B 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 2 9B 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

Combien de VRAM faut-il pour Gemma 2 9B IT ?

Environ 8,6 Go en Q4_K_M avec un contexte de 8K, cache KV et surcoût compris. En Q8_0, il faut environ 12,7 Go. Un contexte plus long ajoute davantage : environ 2 Go de cache KV à 32K.

Gemma 2 9B IT tourne-t-il sur Mac ?

Oui, sur un Mac dont le GPU peut utiliser au moins 8,5 Go, par exemple M3 24 Go. Par défaut, macOS laisse le GPU utiliser environ deux tiers à trois quarts de la mémoire unifiée.

À quelle vitesse tourne Gemma 2 9B IT ?

Sur une RTX 4090, nous estimons 89–130 tok/s en Q4_K_M. C'est une estimation fondée sur la bande passante mémoire (confiance faible) tant que des benchmarks ne sont pas importés.