Gemma 3n E2B — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
The smallest Gemma 3n variant. Only 2 GB RAM required, designed to run on any modern smartphone. Supports vision (images) as input.
Gemma 3n E2B potrzebuje około 4 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 2.6 GB | ~267 tok/s | Mieści się | |
| Q3_K_M 3.41 bpw | 3.1 GB | ~251 tok/s | Mieści się | |
| Q4_K_M 4.83 bpw | 4.1 GB | ~225 tok/s | Mieści się | |
| Q5_K_M 5.67 bpw | 4.7 GB | ~213 tok/s | Mieści się | |
| Q6_K 6.56 bpw | 5.3 GB | ~201 tok/s | Mieści się | |
| Q8_0 8.50 bpw | 6.6 GB | ~179 tok/s | Mieści się | |
| F16 16.00 bpw | 11.7 GB | ~126 tok/s | Mieści się |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Gemma 3n E2B →
Uruchom Gemma 3n E2B
Najtańsze GPU z naszego katalogu, które uruchomi Gemma 3n E2B, to Intel Arc B570 (10 GB).
lub porównaj w Vast.ai od $0.35/godz. (typical low · varies)
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić Gemma 3n E2B
Zainstaluj Ollama, a potem uruchom:
ollama run gemma3n:e2bSpecyfikacja
Curated — A hand-written entry from before this catalogue recorded its sources. The figures are long-standing but their provenance is not on file.
- Parametry
- 2 Billion effective
- Okno kontekstu
- 32,768
- Architektura
- MatFormer, multimodal
- Dostawca
- Google DeepMind
- Licencja
- Gemma ToS
- Practical deployment
- Edge device (phone, SBC)
- Określono przy
- Q4_K_M
- RAM systemowy
- 4 GB
- Rekord zaktualizowany
- 2025-04-01
Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
Czy uruchomię Gemma 3n E2B na moim GPU?
- Gemma 3n E2B na AMD Radeon RX 9060 XT 8GB
- Gemma 3n E2B na Intel Arc B570
- Gemma 3n E2B na NVIDIA GeForce RTX 3070
- Gemma 3n E2B na NVIDIA GeForce RTX 3070 Ti
- Gemma 3n E2B na NVIDIA GeForce RTX 3080 (10GB)
- Gemma 3n E2B na NVIDIA GeForce RTX 4060
- Gemma 3n E2B na NVIDIA GeForce RTX 5060
- Gemma 3n E2B na NVIDIA GeForce RTX 5060 Ti 8GB
Inne rozmiary Gemma 3n
Gemma 3n E2B — najczęściej zadawane pytania
How much VRAM does Gemma 3n E2B need?
About 4 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Gemma 3n E2B run on an RTX 4090 (24 GB)?
Yes. Gemma 3n E2B needs about 4 GB at Q4_K_M, inside a 24 GB card, at an estimated 225 tokens/sec.
How do I run Gemma 3n E2B locally?
Install Ollama and run `ollama run gemma3n:e2b`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.
What other sizes does Gemma 3n come in?
Gemma 3n E2B (4 GB), Gemma 3n E4B (6 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.