face-à-face · LLM local

DeepSeek R1 Distill 32B vs Gemma 3 27B

Comparatif chiffré : VRAM requise par quantization, GPUs compatibles pour faire tourner chacun en local, et verdict construit depuis les specs réelles. Pas de bench truqué, juste les chiffres.

32B
params DeepSeek R1 Distill 32B
27B
params Gemma 3 27B
DeepSeek
famille A
Gemma
famille B
▲ Specs côte à côte

Les chiffres bruts.

Gemma · 27B

Gemma 3 27B

  • Total paramètres27B
  • Contexte max128k tokens
  • FamilleGemma
  • TypeDense
→ Fiche Gemma 3 27B
▲ VRAM par quantization

Combien de VRAM il te faut.

Estimation incluant l'overhead (KV cache + activations) ×1.12. Pour un MoE, on prend les paramètres totaux car le modèle complet doit être chargé en mémoire (les experts inactifs aussi).

QuantDeepSeek R1 Distill 32BGemma 3 27BÉcart
Q315.7 GB13.2 GB2.5 GB
Q420.2 GB17 GB3.2 GB
Q524.6 GB20.8 GB3.8 GB
Q629.1 GB24.6 GB4.5 GB
Q835.8 GB30.2 GB5.6 GB
FP1671.7 GB60.5 GB11.2 GB
▲ GPU minimum pour chacun en Q4

Quel GPU suffit pour quoi.

Pour DeepSeek R1 Distill 32B en Q4

TITAN RTX

24 GB de VRAM — suffisant pour les 20.2 GB requis en Q4.

→ Fiche TITAN RTX
▲ Verdict

Ce que les chiffres disent.

DeepSeek R1 Distill 32B et Gemma 3 27B sont de taille comparable (32B vs 27B), donc le choix se joue sur la famille, le contexte et le use case.

Choisir Gemma 3 27B

Google. Multimodal (vision + texte), contexte 128k, intégration native PyTorch/JAX.

→ Fiche Gemma 3 27B

Tester avec ton GPU ?

Le calculateur croise ces 2 modèles avec 200+ GPUs et te donne tok/s estimés, €/Mtok et break-even cloud.