Gemma 4 31B の必要VRAM

Google現行世代の大型密モデル。26B-A4B(MoE)と並ぶ旗艦で、こちらは全パラメータが毎回動く密構成。HF全体の生ランキング上位に入る定番です。

31.27B / 60層 / GQA 16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23.3GB→約20.3GBになり、24GB級で「△ ぎりぎり」→「◎ 快適」に一段上がります。

Gemma 4 31Bとは

Gemma 4 31Bは、Googleが公開するGemma系のハイエンドクラス(31.27Bパラメータ)オープンモデルです。24GB級GPUの領域で、ローカルで狙える上位の品質帯です。

Gemma 4 31B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19.6GB、8Kトークン分のKVキャッシュが約2.2GB、システム予約と合わせて合計約23.3GBです。 ◎(快適)判定の最小ラインは、VRAM 32GBクラスのGPUです。 迷ったらQ4_K_M(合計約23.3GB)が基準です。VRAMに余裕があればQ8_0(約36.3GB)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60層のうちフルアテンションは10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1.2GB、8Kで約2.2GB、32Kまで広げると約6.2GB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19.6GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約18 tokens/秒、RTX 4090(1008GB/s)で約51 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

GLM-4.7-Flash 31B-A3B(31.2B) / Qwen3 32B(32.76B) / Qwen2.5 32B(32.8B)

▶ 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)