Gemma 3 27B
Gemma 3 27BをQ4_K_M・8kコンテキストで動かすには、18.1GBのVRAMが必要です（2026年10月16日に確認したconfig.jsonから計算）。収まる最小のGPUのメモリは24GBで、動くデスクトップ向けGPUのなかで最も速いRTX 5090では、生成速度は約79トークン/秒です。
- パラメータ
- 27.4B
- コンテキスト長
- 131,072トークン
- ライセンス
- Gemma Terms of Use
- 公開
- 2025年3月
- config.jsonの確認日
- 2026年10月16日
どのメモリ容量のGPUで動くか
必要量18.1GBを、メモリ容量ごとに比べます。モデルが使えるのはGPUのメモリの95%までで、色が付いているのは残りの容量か、足りない容量だけです。「ぎりぎり」は85%を超える場合で、長い会話に使える余裕はほとんどありません。
ほかの量子化やコンテキスト長、Q8のKVキャッシュはLLM VRAM計算ツールで試せます。
計算・2026年10月16日どのGPUを選ぶか
このサイトで扱うGPUのうち、Q4_K_M・8kコンテキストで読み込める最小のものはRX 7900 XT（20GB）です。必要量は18.1GBで、生成速度は推定35トークン/秒です。ただしぎりぎりの収まり方で、会話に使える余裕はほとんど残りません。余裕を持って使いたい場合、つまり32,768トークンのコンテキストを確保しつつメモリ使用率を85%未満に抑えたい場合は、RTX 3090（24GB）に上げましょう。その場合の必要量は20.1GBで、生成速度は約41トークン/秒です。
ほぼ劣化のないQ8_0なら、収まる最小のGPUはRTX A6000（48GB）で、必要量は31.8GBです。Appleシリコンでは、Mac mini M4 Proなら32,768トークンのコンテキストを含めて保持でき、生成速度は推定12トークン/秒です。ただしプロンプト処理はNVIDIAより遅く、長い文書ではその差がはっきり出ます。ユニファイドメモリのデスクトップでは、Ryzen AI Max+ 395が32,768トークンのコンテキストを20.1GBで保持でき、生成速度は推定11トークン/秒です。
GPU別の生成速度
| GPU | 動く？ | 推定トークン/秒 | 体感 | メモリ | メモリ帯域幅 |
|---|---|---|---|---|---|
| H100 SXM | 動く | ≤ 148 | 読むより速い | 80GB | 3,350GB/s |
| A100 | 動く | 90 | 読むより速い | 80GB | 2,039GB/s |
| RTX 5090 | 動く | 79 | 読むより速い | 32GB | 1,792GB/s |
| RTX PRO 6000 Blackwell | 動く | 79 | 読むより速い | 96GB | 1,792GB/s |
| RTX PRO 5000 Blackwell | 動く | 59 | チャットなら快適 | 48GB | 1,344GB/s |
| RTX 4090 | 動く | 44 | チャットなら快適 | 24GB | 1,008GB/s |
| RX 7900 XTX | 動く | 42 | チャットなら快適 | 24GB | 960GB/s |
| RTX 6000 Ada | 動く | 42 | チャットなら快適 | 48GB | 960GB/s |
| RTX 3090 | 動く | 41 | チャットなら快適 | 24GB | 936GB/s |
| RTX PRO 4500 Blackwell | 動く | 39 | チャットなら快適 | 32GB | 896GB/s |
| L40S | 動く | 38 | チャットなら快適 | 48GB | 864GB/s |
| RX 7900 XT | ぎりぎり | 35 | チャットなら快適 | 20GB | 800GB/s |
| RTX A6000 | 動く | 34 | チャットなら快適 | 48GB | 768GB/s |
| RTX PRO 4000 Blackwell | 動く | 30 | チャットなら快適 | 24GB | 672GB/s |
| Radeon AI PRO R9700 | 動く | 28 | チャットなら快適 | 32GB | 640GB/s |
| Arc Pro B70 | 動く | 27 | チャットなら快適 | 32GB | 608GB/s |
| Arc Pro B60 | 動く | 20 | 使えるがやや遅い | 24GB | 456GB/s |
| RTX PRO 4000 Blackwell SFF | 動く | 19 | 使えるがやや遅い | 24GB | 432GB/s |
| RTX Spark | 動く | 13 | 使えるがやや遅い | 128GB（GPU用102GB） | 300GB/s |
| DGX Spark | 動く | 12 | 使えるがやや遅い | 128GB（GPU用126GB） | 273GB/s |
| Ryzen AI Max+ 395 | 動く | 11 | 遅い（バッチ処理なら十分） | 128GB（GPU用96GB） | 256GB/s |
| RTX 4060 Ti | 動かない | - | 収まらない | 16GB | 288GB/s |
| RTX 5060 Ti | 動かない | - | 収まらない | 16GB | 448GB/s |
| RTX 5080 | 動かない | - | 収まらない | 16GB | 960GB/s |
| RTX 5070 Ti | 動かない | - | 収まらない | 16GB | 896GB/s |
| RTX 4080 SUPER | 動かない | - | 収まらない | 16GB | 736GB/s |
| RX 9070 XT | 動かない | - | 収まらない | 16GB | 640GB/s |
| RX 9060 XT | 動かない | - | 収まらない | 16GB | 320GB/s |
| RTX 3060 | 動かない | - | 収まらない | 12GB | 360GB/s |
| RTX 4070 | 動かない | - | 収まらない | 12GB | 504GB/s |
| RTX 5070 | 動かない | - | 収まらない | 12GB | 672GB/s |
| Arc B580 | 動かない | - | 収まらない | 12GB | 456GB/s |
シングルストリームの生成速度を、メモリ帯域幅と効率70%から求めた値です。プロンプト処理とバッチ処理は含みません。どれも上限（理論値）で、実測ではありません。Gemma 3 27BがQ4で1トークンごとに読む重みはわずか15.9GBです。これほど少ないと、計算式に含まれない1トークンごとのコストが実際の速度を大きく左右します。≤の付いた数値は、実際のランタイムの速度が表示値をもっとも大きく下回る箇所です。ほかの量子化やAppleのハードウェアについては生成速度（トークン/秒）推定ツールを、モデルではなくハードウェアを選んでいる場合は全GPUの比較をご覧ください。
計算・2026年10月16日量子化・コンテキスト長別の必要メモリ
| 量子化 | 4,096トークン | 8,192トークン | 32,768トークン |
|---|---|---|---|
| Q8_0 | 31.5GB（48GBに収まる） | 31.8GB（48GBに収まる） | 33.8GB（48GBに収まる） |
| Q5_K_M | 21.5GB（24GBに収まる） | 21.8GB（24GBに収まる） | 23.9GB（32GBに収まる） |
| Q4_K_M | 17.8GB（24GBに収まる） | 18.1GB（24GBに収まる） | 20.1GB（24GBに収まる） |
Gemma 4 31Bは、このファミリーの新しいモデルです。同じ設定で約20.9GBが必要です。
重みはQ4で15.9GBです。コンテキストが1,000トークン増えるごとに、FP16のKVキャッシュが約0.082GB増えます（これとは別に、スライディングウィンドウ・アテンションのレイヤーが、ウィンドウがいっぱいになった時点で固定の0.436GBを保持します）。ほかの設定はLLM VRAM計算ツールで試せます。
モデルについて
Gemma 3 27Bは27.4Bパラメータのモデルです。全62レイヤーで、KVヘッドは16個（ヘッド次元128）です。6レイヤーのうち5つはスライディングウィンドウ・アテンションで直近の1,024トークンしか記憶しないため、長いコンテキストを担うのは10個のグローバルレイヤーです。Googleが2025年3月に公開したGemma 3最大の視覚言語モデルで、コンテキスト長は128k、1年間「24GBのGPUで何を動かすか」へのもっとも一般的な答えでした。
テキストと画像 コンテキスト長131,072トークン Gemma Terms of Use 2025年3月公開
思考モード：なし。そのまま回答します。
スライディングウィンドウのキャッシュに対応していないランタイムは、すべてのレイヤーを全長で保存するため、長いコンテキストではこの値よりはるかに多くのメモリを使います。
ネイティブのコンテキスト長は131,072トークンです。ライセンスはGemma Terms of Useで、固有の条件を定めた独自ライセンスです。商用利用の前に読んでください。重みの公開は2025年3月です。
得意なこと
- 長いコンテキストも含めて、24GBのGPUで動かせること。6レイヤーのうち5つは1,024トークンしか記憶しないためです。
- 多言語や画像の作業。量子化版も充実しています。
注意点
- ライセンスはApacheではなくGemma Terms of Useです。
- 後継のGemma 4 31Bは、より長いコンテキスト長、思考モード、Apacheライセンスを備えています。
似たモデル
Q4_K_M・8kコンテキストでGemma 3 27Bとほぼ同じメモリを必要とするモデルです。手持ちのGPUで実際に比べる相手になるのは、これらのモデルです。「1kトークンあたり」の列はコンテキストが1,000トークン増えるごとのコストで、同じサイズのモデルの間でもっとも差が出るところです。
| モデル | サイズ | 必要量 | 1kトークンあたり | コンテキスト長 | 公開 |
|---|---|---|---|---|---|
| Gemma 3 27B | 27.4B | 18.1GB | 0.082GB | 128k | 2025年3月 |
| Qwen3.8 27B | 27.8B | 18GB | 0.066GB | 256k | 2026年8月 |
| Qwen3.6 27B | 27.8B | 18GB | 0.066GB | 256k | 2026年4月 |
| Muse Glimmer 30B | 29.8B | 18.7GB | 0.013GB | 128k | 2026年8月 |
| Nemotron 3.5 Lightning 30B-A3B (MoE) | 31.6B（アクティブ3B） | 19.7GB | 0.006GB | 256k | 2026年8月 |
全モデルの比較、8〜96GBに収まるモデル（英語）、クラウドGPUごとの最安の時間料金（英語）もご覧ください。
よくある質問
- Gemma 3 27Bは24GBのGPUで動く？
- はい。Q4_K_M・8kコンテキストで約18.1GBが必要で、24GBのGPUに余裕を持って収まります。
- Gemma 3 27BをQ8で動かすには、VRAMはどれくらい必要？
- 8kコンテキストで約31.8GB、32kコンテキストでは33.8GBです。Q8はほぼ劣化がないので、収まるならQ8を使うのがおすすめです。
- Gemma 3 27Bのコンテキスト長は？
- ネイティブで131,072トークンです。すべてをQ4_K_Mで保持すると約28.2GBが必要で、そのうち11.2GBがコンテキストの分です。
- Gemma 3 27Bが長いコンテキストでも少ないメモリで済むのはなぜ？
- ほとんどのレイヤーが、大きくなっていくキャッシュを持たないからです。全62レイヤーで、KVヘッドは16個（ヘッド次元128）です。6レイヤーのうち5つはスライディングウィンドウ・アテンションで直近の1,024トークンしか記憶しないため、長いコンテキストを担うのは10個のグローバルレイヤーです。32kトークンのコンテキストに必要なメモリは約3.1GBです。もし62レイヤーすべてが従来どおり全長のキャッシュを持っていたら、同じ会話に約16.6GBかかります。この節約は、ランタイムがスライディングウィンドウのキャッシュを実装していることが前提です。llama.cppとvLLMは実装していますが、実装していないビルドではずっと多くのメモリを使います。
- Gemma 3 27Bより新しいモデルはある？
- あります。Gemma 4 31Bで、2026年3月に公開されました。同じQ4_K_M・8kコンテキストの設定で、このモデルの18.1GBに対して約20.9GBが必要です。
- Gemma 3 27BはRTX 4090でどれくらいの速さ？
- Q4・シングルストリームでの上限は約44トークン/秒で、体感は「チャットなら快適」にあたります。これはGPUのメモリ帯域幅から求めた上限で、実測ではありません。
- アーキテクチャの値は、Hugging Faceのgoogle/gemma-3-27b-itにあるconfig.jsonから読み取り、2026年10月16日に確認しています（このリポジトリはライセンスへの同意が必要です。モデルカードは誰でも見られますが、ファイルは利用条件に同意すると開けます）。このページの数値はすべてこれらの値から計算しています。このモデルのためにハードウェアを買う前に、元の値を確認してください。
- 推定値は、ほかに何も動いていないGPUで会話を1つだけ扱う前提です。同じGPUでデスクトップ環境も動かすと、0.5〜2GBが使われます。