Gemma 4 (Withdrawn Listings) — lokalny model AI od Google DeepMind

Autor: Jakub Rusinowski · Ostatnia aktualizacja:

Wycofany wpis. To był wczesny, niezweryfikowany wpis. Zweryfikowane dane są teraz na stronie Gemma 4. Zobacz Gemma 4 →

Przełomowy model o otwartych wagach od Google DeepMind. Gemma 4 27B zapewnia wydajność na poziomie GPT-4 przy 14 GB VRAM, udostępniając AI klasy frontier na konsumenckich GPU. Wyróżnia się hybrydową architekturą z przeplatanymi warstwami uwagi lokalnej i globalnej, rozumieniem wielu obrazów naraz i oknem kontekstu 128k. Osiąga 85 tokenów na sekundę na RTX 4090.

Google AI Hugging Face Research Blog

Warianty

Najmniejszy wariant Gemma 4 (Withdrawn Listings) potrzebuje około 3 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.

ModelVRAM
Gemma 4 4B
4B
~3.2 GB
Gemma 4 12B
12B
~8 GB
Gemma 4 27B ⭐
27B
~17.1 GB

Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.

Jak uruchomić Gemma 4 (Withdrawn Listings) lokalnie

Zainstaluj Ollama, a potem pobierz tag.

ollama run gemma4:4b

Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.

Licencja

Gemma TermsUżycie komercyjne dozwolone

Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.

Dotyczy: Gemma 4 4B, Gemma 4 12B, Gemma 4 27B ⭐

Polecane GPU

Najtańsze GPU z naszego katalogu, które uruchomi Gemma 4 (Withdrawn Listings) lokalnie (min. 3 GB VRAM), to Intel Arc B570 (10 GB).

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.
Intel Arc B570 10GB
10 GB VRAM · 150 W board power
Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Gemma 4 (Withdrawn Listings) — najczęściej zadawane pytania

How much VRAM does Gemma 4 (Withdrawn Listings) need?

Gemma 4 (Withdrawn Listings) needs about 3 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Gemma 4 4B (3 GB, Q4_K_M); Gemma 4 12B (8 GB, Q4_K_M); Gemma 4 27B ⭐ (17 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.

Can I run Gemma 4 (Withdrawn Listings) on an RTX 4090 (24 GB)?

Yes — Gemma 4 (Withdrawn Listings) runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.

What quantization should I use for Gemma 4 (Withdrawn Listings)?

Q4_K_M is the best balance of quality and VRAM for Gemma 4 (Withdrawn Listings) in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.

How do I run Gemma 4 (Withdrawn Listings) with Ollama?

Install Ollama, then run: ollama run gemma4:4b. This downloads Gemma 4 (Withdrawn Listings) and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.