Gemma 4 12B の必要VRAM

Google製の現行世代。バランス型で扱いやすい万能ミドル。

12B / 48層 / GQA 8ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。 このモデルは実際にその境界にあります: IQ4_XS相当(4.25bit)に置き換えると必要VRAMが約10.0GB→約8.7GBになり、10GB級で「△ ぎりぎり」→「◎ 快適」に一段上がります。

上の表は8,192トークンの文脈での計算です。AIエージェント(道具を使って複数ステップの作業を自動でこなす使い方)では長い文脈が要り、その分KVキャッシュが増えます。 このモデルをQ4_K_Mで使う場合、必要VRAMは32Kで約11.6GB、128Kで約18.1GBです(8Kの約1.8倍)。

Gemma 4 12Bとは

Gemma 4 12Bは、Googleが公開するGemma系のミドルクラス(12Bパラメータ)オープンモデルです。12〜16GB級GPUの主力サイズで、品質と動かしやすさのバランス帯です。

Hugging Faceでの直近30日ダウンロードは約336万件・いいね1,491件 — ダウンロード数は当サイト収録83モデル中21位です(2026-08-27時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

Gemma 4 12Bの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約7.7GB、8Kトークン分のKVキャッシュが約0.9GB、システム予約と合わせて合計約10GBです。 ◎(快適)判定の最小ラインは、VRAM 12GBクラスのGPUです。 迷ったらQ4_K_M(合計約10GB)が基準です。VRAMに余裕があればQ8_0(約15GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

ハイブリッドアテンション採用: 全48層のうちフルアテンションは8層のみで、残りの層は直近1024トークンの窓しか参照しません。長文時のKVキャッシュ増加が緩やかです。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.5GB、8Kで約0.9GB、32Kまで広げると約2.5GBになります。文脈を4倍にしてもKVキャッシュは2.8倍にしか増えません — 長文に強いメモリ設計です。

速度の目安(理論上限)

生成速度はメモリ帯域律速です。Q4_K_Mの重み7.7GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約47 tokens/秒、RTX 4090(1008GB/s)で約132 tokens/秒 — 実効はオーバーヘッドの分これより下がります。

動かすには

OllamaやLM Studioに対応しています。導入手順は用語集のOllamaページにまとめています。

同クラスの選択肢

Phi-4(14.66B) / Qwen2.5-Coder 14B(14.77B) / Qwen3 14B(14.77B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)