FreeLLMAlle Modelle › google
gemma-3-1b-it
google · Lizenz muss akzeptiert werden · veröffentlicht am 10. März 2025
Wo du es kostenlos nutzen kannst
- Der eigene Chat des Labors: aistudio.google.com (kostenlos mit Tageslimits)
- Lade es herunter und führe es zu Hause aus: offizielle Gewichte · GGUF-Dateien für Ollama und LM Studio (du akzeptierst zuerst die Lizenz auf Hugging Face)
Noch keine Arena-Stimmen
Die Arena hat über dieses Modell noch nicht abgestimmt. Es steht in der Liste, weil es ein beliebtes kleines Modell auf der offiziellen Hugging-Face-Seite seines Labors ist (1.4M Downloads im Monat).
Geschwindigkeit auf gängiger Hardware
| Hardware | GPU-Speicher | Passt es? | Geschwindigkeit |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Passt in die GPU | 264 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Passt in die GPU | 223 tok/s |
| RTX 3090 | 24 GB | Passt in die GPU | 482 tok/s |
| RTX 4090 | 24 GB | Passt in die GPU | 500 tok/s |
| RTX 5090 | 32 GB | Passt in die GPU | 640 tok/s |
| RX 7900 XTX | 24 GB | Passt in die GPU | 488 tok/s |
| 2 × RTX 3090 | 48 GB | Passt in die GPU | 468 tok/s |
| 4 × RTX 3090 | 96 GB | Passt in die GPU | 442 tok/s |
| Mac M4 Max 128 GB | 96 GB | Passt in die GPU | 187 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Passt in die GPU | 203 tok/s |
| 8 × H100 SXM | 640 GB | Passt in die GPU | 636 tok/s |
Schätzung bei 4-Bit mit 32K Kontext, 64 GB DDR5 zum Auslagern. Geschwindigkeit ≈ Speicherbandbreite × 78 % ÷ pro Token gelesene Daten, plus feste Kosten pro Token, kalibriert an 44 echten llama.cpp-Tests; typische Abweichung etwa ±10 %. Alle Grafikkarten vergleichen.
Benötigter GPU-Speicher
| Stufe | 8K Kontext | 32K Kontext | Qualität im Vergleich zum Original |
|---|---|---|---|
| Q3_K_M | 1.2 GB | 1.3 GB | +10.5 % spürbarer Verlust |
| Q4_K_M | 1.3 GB | 1.4 GB | +2.8 % kleiner Verlust |
| Q5_K_M | 1.4 GB | 1.5 GB | +0.9 % sehr kleiner Verlust |
| Q6_K | 1.5 GB | 1.6 GB | +0.3 % nahezu verlustfrei |
| Q8_0 | 1.7 GB | 1.8 GB | ≈ 0 % wie das Original |
| F16 | 2.7 GB | 2.8 GB | ≈ 0 % wie das Original |
Gewichte + Kontext-Cache (aus der Architektur des Modells) + Laufzeit. Qualität: Anstieg von perplexity gegenüber dem vollen Modell, aus llama.cpp-Tests, skaliert nach Modellgröße. Simuliere dein eigenes Setup.
Diese Seite teilen:XLinkedInRedditWhatsApp
Falsche Zahl oder kaputten Link entdeckt? Fehler melden