Requisitos de GPU de gemma 3 4b it: VRAM y GPU más barata
gemma 3 4b it tiene 4300,1 M parámetros, publicados en BF16. Admite hasta 128K tokens de contexto. Con esa longitud, solo la caché KV ocupa unos 18 GB por petición, así que los prompts largos pueden cambiar la GPU que necesitas. Su licencia (gemma) añade condiciones propias; léela antes de usar el modelo con fines comerciales.
- Parámetros
- 4300,1 M
- Mínimo de memoria (INT4)
- unos 4,7 GB
- GPU más barata por hora (FP16)
- 0,16 US$
- Tipo
- Visión
google/gemma-3-4b-it
- Parámetros 4300,1 M
- Tipo Visión
- Tarea image-text-to-text
- Contexto máximo 128K
- Licencia gemma
- Descargas 1 M
- Me gusta 1,7 mil
Cálculo para gemma 3 4b it
Más ajustes
gemma 3 4b it necesita unos 12 GB de memoria de GPU
Inferencia (vLLM), FP16 / BF16, contexto de 8K tokens, una petición a la vez.
En qué se va la memoria
- Pesos 8,6 GB
- Caché KV 1,1 GB
- Sobrecarga del motor 2 GB
- Total 12 GB
El número de GPU deja libre un 10 % de cada tarjeta para picos. Prevé más si esperas prompts largos o muchos usuarios a la vez.
| Puesto | Configuración | Por GPU / h | GPU necesarias | Total / h | Total / mes (24/7) | Proveedor |
|---|---|---|---|---|---|---|
| 1 | 1 × RTX 3090 24GBMás barataAmpere · GDDR6X | 0,16 US$ | 1 | 0,16 US$ | 117 US$ | Lium (se abre en una pestaña nueva)1x RTX 3090 Ti |
| 2 | 1 × RTX 4090 24GBAda Lovelace · GDDR6X | 0,30 US$ | 1 | 0,30 US$ | 219 US$ | Lium (se abre en una pestaña nueva)1x RTX 4090 |
| 3 | 1 × RTX 5090 32GBBlackwell · GDDR7 | 0,40 US$ | 1 | 0,40 US$ | 292 US$ | Lium (se abre en una pestaña nueva)1x RTX 5090 |
| 4 | 1 × RTX A6000 48GBAmpere · GDDR6 | 0,42 US$ | 1 | 0,42 US$ | 307 US$ | Lium (se abre en una pestaña nueva)1x RTX A6000 |
| 5 | 1 × L4 24GBAda Lovelace · GDDR6 | 0,45 US$ | 1 | 0,45 US$ | 326 US$ | Vast.ai (se abre en una pestaña nueva)1x L4 (median of 3 offers) |
| 6 | 1 × RTX PRO 6000 96GBBlackwell · GDDR7 | 0,50 US$ | 1 | 0,50 US$ | 365 US$ | RunPod (se abre en una pestaña nueva)1x RTX PRO 6000 MaxQ |
| 7 | 1 × A40 48GBAmpere · GDDR6 | 0,52 US$ | 1 | 0,52 US$ | 381 US$ | Vast.ai (se abre en una pestaña nueva)1x A40 (median of 5 offers) |
| 8 | 1 × T4 16GBTuring · GDDR6 | 0,53 US$ | 1 | 0,53 US$ | 384 US$ | AWS (se abre en una pestaña nueva)g4dn.xlarge |
| 9 | 1 × RTX 6000 Ada 48GBAda Lovelace · GDDR6 | 0,75 US$ | 1 | 0,75 US$ | 548 US$ | Lium (se abre en una pestaña nueva)1x RTX 6000 Ada Generation |
| 10 | 1 × L40S 48GBAda Lovelace · GDDR6 | 0,80 US$ | 1 | 0,80 US$ | 585 US$ | Vast.ai (se abre en una pestaña nueva)1x L40S (median of 7 offers) |
| 11 | 1 × A100 40GBAmpere · HBM2 | 0,80 US$ | 1 | 0,80 US$ | 586 US$ | Vast.ai (se abre en una pestaña nueva)1x A100 SXM4 (median of 15 offers) |
| 12 | 1 × A10 24GBAmpere · GDDR6 | 1,01 US$ | 1 | 1,01 US$ | 734 US$ | AWS (se abre en una pestaña nueva)g5.xlarge |
| 13 | 1 × A100 80GBAmpere · HBM2e | 1,12 US$ | 1 | 1,12 US$ | 820 US$ | Vast.ai (se abre en una pestaña nueva)1x A100 SXM4 (median of 16 offers) |
| 14 | 1 × H100 80GBHopper · HBM3 | 1,39 US$ | 1 | 1,39 US$ | 1015 US$ | Lium (se abre en una pestaña nueva)1x H100 80GB HBM3 |
| 15 | 1 × GH200 96GBHopper · HBM3 | 1,99 US$ | 1 | 1,99 US$ | 1453 US$ | Vultr (se abre en una pestaña nueva)vbm-72c-480gb-gh200-gpu (bare metal) |
| 16 | 1 × MI300X 192GBCDNA 3 · HBM3 | 2,39 US$ | 1 | 2,39 US$ | 1745 US$ | RunPod (se abre en una pestaña nueva)1x MI300X |
| 17 | 1 × H200 141GBHopper · HBM3e | 2,90 US$ | 1 | 2,90 US$ | 2117 US$ | Lium (se abre en una pestaña nueva)1x H200 NVL |
| 18 | 1 × V100 16GBVolta · HBM2 | 3,06 US$ | 1 | 3,06 US$ | 2234 US$ | AWS (se abre en una pestaña nueva)p3.2xlarge |
| 19 | 1 × H100 NVL 94GBHopper · HBM3 | 3,19 US$ | 1 | 3,19 US$ | 2329 US$ | RunPod (se abre en una pestaña nueva)1x H100 NVL |
| 20 | 1 × B200 180GBBlackwell · HBM3e | 5,60 US$ | 1 | 5,60 US$ | 4088 US$ | Lium (se abre en una pestaña nueva)1x B200 |
| 21 | 1 × B300 288GBBlackwell Ultra · HBM3e | 8,00 US$ | 1 | 8,00 US$ | 5840 US$ | Lium (se abre en una pestaña nueva)1x B300 SXM6 |
| 22 | 1 × GB200 186GBBlackwell · HBM3e | 10,50 US$ | 1se vende con 4 GPU; necesitas 1 | 42,00 US$ | 30.660 US$ | CoreWeave (se abre en una pestaña nueva)GB200 NVL72 |
| Proveedor | Instancia | Por GPU / h | GPU necesarias | Total / h | Total / mes (24/7) |
|---|---|---|---|---|---|
| Lium (se abre en una pestaña nueva)Más barata | 1x RTX 3090 Timercado mundial | 0,16 US$ | 1 × RTX 3090 24GB | unos 0,16 US$ | unos 117 US$ |
| Vast.ai (se abre en una pestaña nueva) | 1x RTX 3090 (median of 32 offers)mercado mundial | 0,26 US$ | 1 × RTX 3090 24GB | unos 0,26 US$ | unos 186 US$ |
| RunPod (se abre en una pestaña nueva) | 1x RTX 3090 Tius | 0,46 US$ | 1 × RTX 3090 24GB | unos 0,46 US$ | unos 336 US$ |
| AWS (se abre en una pestaña nueva) | g4dn.xlargeus-east-1 | 0,53 US$ | 1 × T4 16GB | unos 0,53 US$ | unos 384 US$ |
| Azure (se abre en una pestaña nueva) | NC4as_T4_v3eastus | 0,53 US$ | 1 × T4 16GB | unos 0,53 US$ | unos 384 US$ |
| Google Cloud (se abre en una pestaña nueva) | g2-standard-4us-central1 | 0,71 US$ | 1 × L4 24GB | unos 0,71 US$ | unos 516 US$ |
| Lambda (se abre en una pestaña nueva) | 1x A6000us | 1,09 US$ | 1 × RTX A6000 48GB | unos 1,09 US$ | unos 796 US$ |
| Nebius (se abre en una pestaña nueva) | 1x L40S 48GBeu/us | 1,55 US$ | 1 × L40S 48GB | unos 1,55 US$ | unos 1132 US$ |
| Vultr (se abre en una pestaña nueva) | vcg-l40s-16c-180g-48vramus | 1,67 US$ | 1 × L40S 48GB | unos 1,67 US$ | unos 1220 US$ |
| CoreWeave (se abre en una pestaña nueva) | GH200us | 6,50 US$ | 1 × GH200 96GB | unos 6,50 US$ | unos 4745 US$ |
Precios recogidos el 16 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai y Lium son mundiales).
Memoria por precisión y uso
| Precisión | Inferencia | Ajuste LoRA | Ajuste QLoRA | Ajuste completo |
|---|---|---|---|---|
| FP16 / BF16 | 12 GB | 14 GB | – | 79 GB |
| INT8 | 7,2 GB | – | – | – |
| INT4 | 4,7 GB | – | 7,3 GB | – |
La GPU más barata por precisión
Inferencia con contexto de 8K y una petición a la vez.
FP16 / BF16
unos 12 GB · 8K tokens
Los pesos tal como se publican. Sin pérdidas, pero ocupa más.
1 × RTX 3090 24GB
Lium (se abre en una pestaña nueva) · 1x RTX 3090 Ti
- Por GPU / h
- 0,16 US$
- GPU necesarias
- 1
- Total / h
- unos 0,16 US$
- al mes, 24/7, aprox.
- 117 US$
INT8
unos 7,2 GB · 8K tokens
Pesos a la mitad de tamaño. En chat y RAG apenas se nota.
1 × RTX 3090 24GB
Lium (se abre en una pestaña nueva) · 1x RTX 3090 Ti
- Por GPU / h
- 0,16 US$
- GPU necesarias
- 1
- Total / h
- unos 0,16 US$
- al mes, 24/7, aprox.
- 117 US$
INT4
unos 4,7 GB · 8K tokens
Pesos a una cuarta parte. Las pequeñas pérdidas aparecen antes en matemáticas y código.
1 × RTX 3090 24GB
Lium (se abre en una pestaña nueva) · 1x RTX 3090 Ti
- Por GPU / h
- 0,16 US$
- GPU necesarias
- 1
- Total / h
- unos 0,16 US$
- al mes, 24/7, aprox.
- 117 US$
Inferencia frente a ajuste fino
Inferencia (FP16)
1×
de la memoria que pide la inferencia
12 GB
1 × RTX 3090 24GB · unos 0,16 US$
Ajuste LoRA
1,2×
de la memoria que pide la inferencia
14 GB
1 × RTX 3090 24GB · unos 0,16 US$
Ajuste QLoRA
0,6×
de la memoria que pide la inferencia
7,3 GB
1 × RTX 3090 24GB · unos 0,16 US$
Ajuste completo
6,7×
de la memoria que pide la inferencia
79 GB
1 × RTX PRO 6000 96GB · unos 0,50 US$
Para servirlo en FP16 basta con 1 × RTX 3090 24GB (Lium). LoRA necesita 1 × RTX 3090 24GB (Lium), QLoRA 1 × RTX 3090 24GB (Lium) y un ajuste completo 1 × RTX PRO 6000 96GB (RunPod). Entrenar guarda en memoria las activaciones y el estado del optimizador además de los pesos; por eso suele pedir más GPU que servir el mismo modelo.
¿Funciona en un Mac o en una sola RTX 4090?
RTX 4090 (24 GB)
Sí, en FP16 / BF16 con contexto de 8K: unos 12 GB caben en los 24 GB de la tarjeta.
Mac con Apple silicon
Sí, con memoria suficiente. En INT4 necesita unos 4,7 GB, así que un Mac con 16 GB o más de memoria unificada (macOS deja a la GPU usar unas tres cuartas partes). La generación será más lenta que en una GPU de centro de datos.
Modelos parecidos
Modelos abiertos de tamaño parecido.
- medgemma 4b itVisión4300,1 M · unos 11 GB FP16 · 470,4 mil ↓Necesidades de GPU
- MedGemma 1.5 4BVisión4300,1 M · unos 11 GB FP16 · 194,2 mil ↓Necesidades de GPU
- Qwen3 VL 4B InstructVisión4437,8 M · unos 12 GB FP16 · 2,9 M ↓Necesidades de GPU
- LightOnOCR-3-4BVisión4539,3 M · unos 11 GB FP16 · 13,3 mil ↓Necesidades de GPU
- Qwen3.5 4BVisión4659,9 M · unos 12 GB FP16 · 4,4 M ↓Necesidades de GPU
- Qwen3.5 4B BaseVisión4659,9 M · unos 12 GB FP16 · 504,3 mil ↓Necesidades de GPU
gemma 3 4b it: preguntas frecuentes
¿Cuánta VRAM necesita gemma 3 4b it?
Unos 12 GB en FP16, 7,2 GB en INT8 y 4,7 GB en INT4, con contexto de 8K y una petición a la vez. Los contextos más largos y más peticiones en paralelo añaden caché KV.
¿Cuál es la GPU más barata para ejecutar gemma 3 4b it?
1 × RTX 3090 24GB (unos 0,16 US$ por GPU / hora) en Lium, por unos 0,16 US$ la hora para inferencia en FP16 / BF16 con contexto de 8K. Precios recogidos el 16 nov 2026; cambian a menudo.
¿Puedo hacer ajuste fino de gemma 3 4b it en una sola GPU?
Sí, con QLoRA: necesita unos 7,3 GB, que caben en una GPU de 80 GB. LoRA necesita unos 14 GB y un ajuste completo unos 79 GB.
¿Cómo se calculan estas cifras?
Los pesos son los parámetros por los bytes por parámetro (2 en FP16, 1 en INT8, 0,5 en INT4). La caché KV sale de las capas, las cabezas KV, el tamaño de cabeza y la longitud de contexto del modelo. Añadimos un 10 % más 1 GB para el motor y llenamos cada GPU hasta el 90 %. Los precios son de lista bajo demanda en regiones de EE. UU., tomados de la página pública de cada proveedor.
¿Funciona gemma 3 4b it en una GPU de consumo como la RTX 4090?
Sí, en FP16 / BF16 con contexto de 8K: unos 12 GB caben en los 24 GB de la tarjeta.
¿Cabe gemma 3 4b it en una sola H100 de 80 GB?
Sí, en FP16 / BF16, INT8, INT4 con contexto de 8K.
¿Cuántas GPU necesito para gemma 3 4b it?
En FP16 con contexto de 8K: 1 × 80 GB, 1 × 48 GB o 1 × 24 GB. En INT4 los pesos ocupan más o menos la cuarta parte.
¿Cuánta VRAM necesita gemma 3 4b it en INT8?
Unos 7,2 GB: 4,5 GB para los pesos, 1,1 GB para una caché KV de 8K y 1,6 GB de sobrecarga del motor.
¿Cuánto cuesta tener gemma 3 4b it funcionando 24/7 durante un mes?
Unos 117 US$ con la configuración más barata que encontramos (1 × RTX 3090 24GB (unos 0,16 US$ por GPU / hora), 0,16 US$ la hora durante 730 horas). Lo más barato en AWS, Google Cloud o Azure ronda los 384 US$ al mes.
FP16, INT8 o INT4: ¿cuál uso?
FP16 conserva toda la calidad y necesita más memoria (unos 12 GB aquí). INT8 reduce los pesos a la mitad con poca pérdida para la mayoría de usos de chat. INT4 (AWQ, GPTQ o GGUF Q4) los deja en una cuarta parte, unos 4,7 GB en total, con una pequeña pérdida de calidad que se nota sobre todo en matemáticas y código.
¿Funciona gemma 3 4b it en un Mac?
Sí, con memoria suficiente. En INT4 necesita unos 4,7 GB, así que un Mac con 16 GB o más de memoria unificada (macOS deja a la GPU usar unas tres cuartas partes). La generación será más lenta que en una GPU de centro de datos.
¿vLLM o llama.cpp?
vLLM está pensado para servir muchas peticiones a la vez en GPU de NVIDIA y AMD y reserva casi toda la memoria de la GPU para la caché KV. llama.cpp ejecuta archivos GGUF casi en cualquier equipo, incluidos Mac y CPU, y va bien para una persona o un equipo pequeño. Con la misma precisión, la memoria necesaria es parecida.
Precios recogidos el 16 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai y Lium son mundiales).
Cómo calculamos
- Pesos. Parámetros por bytes por parámetro: 2 en FP16, 1 en INT8, 0,5 en INT4, más un 5 % aproximado para las escalas de cuantización en INT8 e INT4.
- Caché KV. 2 × capas × cabezas KV × tamaño de cabeza × contexto × peticiones × 2 bytes, según el config.json del modelo. Si falta un dato, lo estimamos y lo indicamos.
- Sobrecarga. Alrededor de un 10 % más 1 GB para el motor, en línea con lo que reserva vLLM.
- Ajuste fino. LoRA mantiene los pesos en 16 bits y añade un adaptador pequeño, su optimizador y las activaciones. QLoRA hace lo mismo sobre pesos de 4 bits. Un ajuste completo necesita unos 16 bytes por parámetro con Adam en precisión mixta (pesos, gradientes y estados del optimizador), más las activaciones.
- GPU. Llenamos cada GPU hasta el 90 % de su memoria y paramos en 8 por nodo. Los costes son precios de lista bajo demanda en regiones de EE. UU.; en las nubes tipo mercado mostramos la oferta mediana.