Gemma 4 GPU 요구 사항: VRAM과 가장 저렴한 GPU
Gemma 4의 파라미터는 312.7억개이며 BF16로 공개되었습니다. 최대 256K토큰의 컨텍스트를 받습니다. 그 길이에서는 KV 캐시만으로 요청당 약 21 GB를 차지하므로, 긴 프롬프트는 필요한 GPU를 바꿀 수 있습니다. apache-2.0 라이선스로 공개되어 상업적 사용이 허용됩니다.
- 파라미터
- 312.7억
- 최소 메모리(INT4)
- 약 20 GB
- 가장 저렴한 GPU 시간당 요금(FP16)
- US$0.50
- 유형
- 비전
google/gemma-4-31B-it
- 파라미터 312.7억
- 유형 비전
- 작업 image-text-to-text
- 최대 컨텍스트 256K
- 라이선스 apache-2.0
- 다운로드 661.5만
- 좋아요 4.4천
Gemma 4 계산 결과
추가 설정
Gemma 4에 필요한 GPU 메모리는 약 71 GB
추론(vLLM), FP16 / BF16, 컨텍스트 8K토큰, 동시 요청 1건.
메모리 구성
- 가중치 63 GB
- KV 캐시 0.67 GB
- 런타임 오버헤드 7.3 GB
- 합계 71 GB
GPU 수는 순간적인 부하에 대비해 각 카드의 10%를 비워 두고 계산합니다. 긴 프롬프트나 많은 동시 사용자가 예상되면 여유를 더 두세요.
| 순위 | 구성 | GPU당 / 시간 | 필요한 GPU 수 | 합계 / 시간 | 합계 / 월(24시간 가동) | 제공업체 |
|---|---|---|---|---|---|---|
| 1 | 1 × RTX PRO 6000 96GB최저가Blackwell · GDDR7 | US$0.50 | 1 | US$0.50 | US$365 | RunPod (새 탭에서 열림)1x RTX PRO 6000 MaxQ |
| 2 | 4 × RTX 3090 24GBAmpere · GDDR6X | US$0.26 | 4 | US$1.06 | US$772 | Vast.ai (새 탭에서 열림)4x RTX 3090 (median of 5 offers) |
| 3 | 2 × A40 48GBAmpere · GDDR6 | US$0.59 | 2 | US$1.18 | US$861 | RunPod (새 탭에서 열림)2x A40 |
| 4 | 1 × A100 80GBAmpere · HBM2e | US$1.21 | 1 | US$1.21 | US$884 | Vast.ai (새 탭에서 열림)1x A100 SXM4 (median of 8 offers) |
| 5 | 2 × A100 40GBAmpere · HBM2 | US$0.62 | 2 | US$1.24 | US$903 | Vast.ai (새 탭에서 열림)2x A100 SXM4 (median of 3 offers) |
| 6 | 2 × RTX A6000 48GBAmpere · GDDR6 | US$0.69 | 2 | US$1.38 | US$1,007 | RunPod (새 탭에서 열림)2x RTX A6000 |
| 7 | 2 × L40S 48GBAda Lovelace · GDDR6 | US$0.79 | 2 | US$1.57 | US$1,150 | Vast.ai (새 탭에서 열림)2x L40S (median of 4 offers) |
| 8 | 1 × GH200 96GBHopper · HBM3 | US$1.99 | 1 | US$1.99 | US$1,453 | Vultr (새 탭에서 열림)vbm-72c-480gb-gh200-gpu (bare metal) |
| 9 | 4 × RTX 4090 24GBAda Lovelace · GDDR6X | US$0.53 | 4 | US$2.14 | US$1,561 | Vast.ai (새 탭에서 열림)4x RTX 4090 (median of 14 offers) |
| 10 | 2 × RTX 6000 Ada 48GBAda Lovelace · GDDR6 | US$1.09 | 2 | US$2.18 | US$1,591 | RunPod (새 탭에서 열림)2x RTX 6000 Ada |
| 11 | 1 × MI300X 192GBCDNA 3 · HBM3 | US$2.39 | 1 | US$2.39 | US$1,745 | RunPod (새 탭에서 열림)1x MI300X |
| 12 | 4 × L4 24GBAda Lovelace · GDDR6 | US$0.69 | 4 | US$2.76 | US$2,015 | RunPod (새 탭에서 열림)4x L4 |
| 13 | 1 × H100 80GBHopper · HBM3 | US$2.89 | 1 | US$2.89 | US$2,110 | RunPod (새 탭에서 열림)1x H100 PCIe |
| 14 | 3 × RTX 5090 32GBBlackwell · GDDR7 | US$0.73 | 34개 단위로 판매; 필요한 수는 3개 | US$2.94 | US$2,143 | Vast.ai (새 탭에서 열림)4x RTX 5090 (median of 35 offers) |
| 15 | 1 × H100 NVL 94GBHopper · HBM3 | US$3.19 | 1 | US$3.19 | US$2,329 | RunPod (새 탭에서 열림)1x H100 NVL |
| 16 | 1 × H200 141GBHopper · HBM3e | US$3.79 | 1 | US$3.79 | US$2,767 | RunPod (새 탭에서 열림)1x H200 NVL |
| 17 | 4 × A10 24GBAmpere · GDDR6 | US$1.42 | 4 | US$5.67 | US$4,141 | AWS (새 탭에서 열림)g5.12xlarge |
| 18 | 5 × V100 16GBVolta · HBM2 | US$0.79 | 58개 단위로 판매; 필요한 수는 5개 | US$6.32 | US$4,614 | Lambda (새 탭에서 열림)8x Tesla V100 |
| 19 | 5 × T4 16GBTuring · GDDR6 | US$0.98 | 58개 단위로 판매; 필요한 수는 5개 | US$7.82 | US$5,712 | AWS (새 탭에서 열림)g4dn.metal |
| 20 | 1 × B200 180GBBlackwell · HBM3e | US$7.99 | 1 | US$7.99 | US$5,833 | RunPod (새 탭에서 열림)1x B200 |
| 21 | 1 × B300 288GBBlackwell Ultra · HBM3e | US$8.99 | 1 | US$8.99 | US$6,563 | RunPod (새 탭에서 열림)1x B300 |
| 22 | 1 × GB200 186GBBlackwell · HBM3e | US$10.50 | 14개 단위로 판매; 필요한 수는 1개 | US$42.00 | US$30,660 | CoreWeave (새 탭에서 열림)GB200 NVL72 |
| 제공업체 | 인스턴스 | GPU당 / 시간 | 필요한 GPU 수 | 합계 / 시간 | 합계 / 월(24시간 가동) |
|---|---|---|---|---|---|
| RunPod (새 탭에서 열림)최저가 | 1x RTX PRO 6000 MaxQus | US$0.50 | 1 × RTX PRO 6000 96GB | 약 US$0.50 | 약 US$365 |
| Vast.ai (새 탭에서 열림) | 4x RTX 3090 (median of 5 offers)전 세계 마켓플레이스 | US$0.26 | 4 × RTX 3090 24GB | 약 US$1.06 | 약 US$772 |
| Nebius (새 탭에서 열림) | 1x RTX PRO 6000 96GBeu/us | US$1.80 | 1 × RTX PRO 6000 96GB | 약 US$1.80 | 약 US$1,314 |
| Vultr (새 탭에서 열림) | vbm-72c-480gb-gh200-gpu (bare metal)us | US$1.99 | 1 × GH200 96GB | 약 US$1.99 | 약 US$1,453 |
| Lambda (새 탭에서 열림) | 2x A6000us | US$1.09 | 2 × RTX A6000 48GB | 약 US$2.18 | 약 US$1,591 |
| AWS (새 탭에서 열림) | g7e.2xlargeus-east-1 | US$3.36 | 1 × RTX PRO 6000 96GB | 약 US$3.36 | 약 US$2,455 |
| Azure (새 탭에서 열림) | NC24ads_A100_v4eastus | US$3.67 | 1 × A100 80GB | 약 US$3.67 | 약 US$2,681 |
| Google Cloud (새 탭에서 열림) | g2-standard-48us-central1 | US$1.00 | 4 × L4 24GB | 약 US$4.00 | 약 US$2,921 |
| CoreWeave (새 탭에서 열림) | GH200us | US$6.50 | 1 × GH200 96GB | 약 US$6.50 | 약 US$4,745 |
가격은 2026년 11월 13일 기준. 모든 비용은 대략적인 값입니다(온디맨드, 미국 달러, 주로 미국 리전. Vast.ai 같은 마켓플레이스는 전 세계).
정밀도와 용도별 메모리
| 정밀도 | 추론 | LoRA 파인튜닝 | QLoRA 파인튜닝 | 전체 파인튜닝 |
|---|---|---|---|---|
| FP16 / BF16 | 71 GB | 88 GB | – | 559 GB |
| INT8 | 38 GB | – | – | – |
| INT4 | 20 GB | – | 38 GB | – |
정밀도별 가장 저렴한 GPU
8K 컨텍스트, 동시 요청 1건 추론 기준.
FP16 / BF16
약 71 GB · 8K토큰
공개된 그대로의 가중치. 손실은 없지만 메모리를 가장 많이 씁니다.
1 × RTX PRO 6000 96GB
RunPod (새 탭에서 열림) · 1x RTX PRO 6000 MaxQ
- GPU당 / 시간
- US$0.50
- 필요한 GPU 수
- 1
- 합계 / 시간
- 약 US$0.50
- 월간, 24시간 가동, 대략
- US$365
INT8
약 38 GB · 8K토큰
가중치가 절반 크기. 채팅과 RAG에서는 차이가 거의 보이지 않습니다.
1 × RTX PRO 6000 96GB
RunPod (새 탭에서 열림) · 1x RTX PRO 6000 MaxQ
- GPU당 / 시간
- US$0.50
- 필요한 GPU 수
- 1
- 합계 / 시간
- 약 US$0.50
- 월간, 24시간 가동, 대략
- US$365
INT4
약 20 GB · 8K토큰
가중치가 4분의 1 크기. 작은 손실은 수학과 코드에서 먼저 드러납니다.
1 × RTX 3090 24GB
Vast.ai (새 탭에서 열림) · 1x RTX 3090 (median of 29 offers)
- GPU당 / 시간
- US$0.25
- 필요한 GPU 수
- 1
- 합계 / 시간
- 약 US$0.25
- 월간, 24시간 가동, 대략
- US$183
추론과 파인튜닝 비교
추론 (FP16)
1×
(추론 대비 메모리)
71 GB
1 × RTX PRO 6000 96GB · 약 US$0.50
LoRA 파인튜닝
1.3×
(추론 대비 메모리)
88 GB
3 × A40 48GB · 약 US$2.36
QLoRA 파인튜닝
0.5×
(추론 대비 메모리)
38 GB
1 × RTX PRO 6000 96GB · 약 US$0.50
전체 파인튜닝
7.9×
(추론 대비 메모리)
559 GB
4 × MI300X 192GB · 약 US$9.56
FP16 추론은 1 × RTX PRO 6000 96GB (RunPod)로 충분합니다. LoRA는 3 × A40 48GB (RunPod), QLoRA는 1 × RTX PRO 6000 96GB (RunPod), 전체 파인튜닝은 4 × MI300X 192GB (RunPod)가 필요합니다. 학습은 가중치 외에 활성화 값과 옵티마이저 상태도 메모리에 두기 때문에 같은 모델을 서비스할 때보다 GPU가 더 필요한 경우가 많습니다.
Mac이나 RTX 4090 한 장으로 돌아갈까?
RTX 4090 (24GB)
네. INT4, 8K 컨텍스트에서 약 20 GB로 카드의 24GB에 들어갑니다.
Apple 실리콘 Mac
네, 메모리가 충분하면 됩니다. INT4에서 약 20 GB가 필요하므로 통합 메모리 32GB 이상인 Mac이 기준입니다(macOS는 그중 약 4분의 3을 GPU에 씁니다). 생성 속도는 데이터센터용 GPU보다 느립니다.
직접 운영할까, 토큰당 요금을 낼까?
직접 운영
저희가 찾은 가장 저렴한 FP16 구성은 RunPod의 1 × RTX PRO 6000 96GB로, 계속 가동하면 월 약 US$365입니다. 트래픽이 꾸준하거나 데이터를 자체 장비에 둬야 할 때 알맞습니다.
비슷한 모델
크기가 비슷한 오픈 모델.
- Muse Glimmer비전297.8억 · 약 67 GB FP16 · 15.9만 ↓GPU 요구 사항
- Qwen2.5 VL 32B Instruct비전334.5억 · 약 77 GB FP16 · 55만 ↓GPU 요구 사항
- Qwen3.6 35B A3B Uncensored HauhauCS Aggressive비전346.6억 · 약 79 GB FP16 · 131만 ↓GPU 요구 사항
- Qwen3.8-27B비전277.8억 · 약 63 GB FP16 · 696만 ↓GPU 요구 사항
- Qwen3.6 27B비전277.8억 · 약 63 GB FP16 · 241.6만 ↓GPU 요구 사항
- Qwen3.5 27B비전277.8억 · 약 63 GB FP16 · 165.1만 ↓GPU 요구 사항
Gemma 4: 자주 묻는 질문
Gemma 4에는 VRAM이 얼마나 필요한가요?
8K 컨텍스트, 동시 요청 1건 기준으로 FP16은 약 71 GB, INT8은 약 38 GB, INT4는 약 20 GB입니다. 컨텍스트가 길어지거나 동시 요청이 늘면 KV 캐시가 더해집니다.
Gemma 4을 돌리는 가장 저렴한 GPU는?
RunPod의 1 × RTX PRO 6000 96GB (약 US$0.50 GPU당 시간 요금)으로, FP16 / BF16·8K 컨텍스트 추론 기준 시간당 약 US$0.50입니다. 가격은 2026년 11월 13일 기준이며 자주 바뀝니다.
Gemma 4을 GPU 한 장으로 파인튜닝할 수 있나요?
네, QLoRA라면 가능합니다. 약 38 GB로 80GB GPU 한 장에 들어갑니다. LoRA는 약 88 GB, 전체 파인튜닝은 약 559 GB가 필요합니다.
이 수치는 어떻게 계산하나요?
가중치는 파라미터 수 × 파라미터당 바이트(FP16은 2, INT8은 1, INT4는 0.5)입니다. KV 캐시는 모델의 레이어 수, KV 헤드 수, 헤드 크기, 컨텍스트 길이로 구합니다. 런타임용으로 약 10%와 1GB를 더하고 각 GPU를 90%까지 채운다고 봅니다. 가격은 각 제공업체의 공개 가격 페이지에서 모은 미국 리전 온디맨드 정가입니다.
Gemma 4은 RTX 4090 같은 소비자용 GPU에서 돌아가나요?
네. INT4, 8K 컨텍스트에서 약 20 GB로 카드의 24GB에 들어갑니다.
Gemma 4은 H100 80GB 한 장에 들어가나요?
네, 8K 컨텍스트라면 FP16 / BF16, INT8, INT4에서 들어갑니다.
Gemma 4에는 GPU가 몇 개 필요한가요?
FP16, 8K 컨텍스트 기준으로 80GB는 1개, 48GB는 2개, 24GB는 4개입니다. INT4라면 가중치 메모리가 약 4분의 1로 줄어듭니다.
INT8에서 Gemma 4에는 VRAM이 얼마나 필요한가요?
약 38 GB입니다. 가중치 33 GB, 8K KV 캐시 0.67 GB, 런타임 오버헤드 4.4 GB입니다.
Gemma 4을 한 달 내내 24시간 돌리면 얼마인가요?
저희가 찾은 가장 저렴한 구성(1 × RTX PRO 6000 96GB (약 US$0.50 GPU당 시간 요금), 시간당 US$0.50 × 730시간)으로 약 US$365입니다. AWS, Google Cloud, Azure 중 가장 저렴한 곳은 월 약 US$2,455입니다.
FP16, INT8, INT4 중 무엇을 써야 하나요?
FP16은 품질을 그대로 유지하지만 메모리가 가장 많이 듭니다(여기서는 약 71 GB). INT8은 가중치를 절반으로 줄이며 대부분의 채팅 용도에서 품질 손실이 적습니다. INT4(AWQ, GPTQ, GGUF Q4)는 4분의 1로 줄여 합계 약 20 GB이고, 수학과 코드에서 주로 드러나는 작은 품질 저하가 있습니다.
Gemma 4은 Mac에서 돌아가나요?
네, 메모리가 충분하면 됩니다. INT4에서 약 20 GB가 필요하므로 통합 메모리 32GB 이상인 Mac이 기준입니다(macOS는 그중 약 4분의 3을 GPU에 씁니다). 생성 속도는 데이터센터용 GPU보다 느립니다.
vLLM과 llama.cpp 중 무엇을 쓸까요?
vLLM은 NVIDIA와 AMD GPU에서 많은 요청을 동시에 처리하도록 만들어졌고 GPU 메모리 대부분을 KV 캐시로 잡아 둡니다. llama.cpp는 Mac과 CPU를 포함해 거의 모든 환경에서 GGUF 파일을 돌리며, 개인이나 작은 팀에 맞습니다. 같은 정밀도라면 필요한 메모리는 비슷합니다.
가격은 2026년 11월 13일 기준. 모든 비용은 대략적인 값입니다(온디맨드, 미국 달러, 주로 미국 리전. Vast.ai 같은 마켓플레이스는 전 세계).
계산 방법
- 가중치: 파라미터 수 × 파라미터당 바이트. FP16은 2, INT8은 1, INT4는 0.5이며, INT8과 INT4에는 양자화 스케일 몫으로 약 5%를 더합니다.
- KV 캐시: 2 × 레이어 수 × KV 헤드 수 × 헤드 크기 × 컨텍스트 × 요청 수 × 2바이트. 값은 모델의 config.json에서 가져옵니다. 빠진 값은 추정하고 그렇다고 표시합니다.
- 오버헤드: 약 10%에 런타임용 1GB를 더합니다. vLLM이 확보하는 양과 비슷합니다.
- 파인튜닝: LoRA는 16비트 가중치에 작은 어댑터와 그 옵티마이저, 활성화 값을 더합니다. QLoRA는 4 비트 가중치 위에서 같은 일을 합니다. 전체 파인튜닝은 혼합 정밀도 Adam 기준 파라미터당 약 16바이트(가중치, 그래디언트, 옵티마이저 상태)에 활성화 값이 더해집니다.
- GPU: 각 GPU 메모리의 90%까지 채우고 노드당 8개까지로 봅니다. 비용은 미국 리전의 온디맨드 정가이며, 마켓플레이스형 클라우드는 중앙값입니다.