Gemma 4 E2B — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Gemma 4's most compact variant — the 'Efficient 2B' (~5.1B total params, ~2.3B effective compute via per-layer embeddings) fits in ~5 GB at Q4 and runs on phones, tablets, or any GPU with 6 GB VRAM. Supports text + image input. Outperforms Gemma 3 4B on reasoning and instruction following. Best for offline assistants, edge applications, and Raspberry Pi-style deployments.
Gemma 4 E2B potrzebuje około 4 GB VRAM przy Q4 (QAT) — 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 | 2.5 GB | ~195 tok/s | Mieści się | |
| Q3_K_M 3.41 bpw | 3 GB | ~173 tok/s | Mieści się | |
| Q4_K_M 4.83 bpw | 3.9 GB | ~143 tok/s | Mieści się | |
| Q5_K_M 5.67 bpw | 4.4 GB | ~130 tok/s | Mieści się | |
| Q6_K 6.56 bpw | 5 GB | ~118 tok/s | Mieści się | |
| Q8_0 8.50 bpw | 6.2 GB | ~99 tok/s | Mieści się | |
| F16 16.00 bpw | 11 GB | ~61 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 4 E2B →
Uruchom Gemma 4 E2B
Najtańsze GPU z naszego katalogu, które uruchomi Gemma 4 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 4 E2B
Zainstaluj Ollama, a potem uruchom:
ollama run gemma4:e2bSpecyfikacja
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.
- Parametry
- 5.1 Billion (~2.3B effective)
- Okno kontekstu
- 128,000
- Architektura
- Dense Transformer + Vision Encoder (per-layer embeddings)
- Dostawca
- Licencja
- Apache 2.0
- Practical deployment
- Edge device (phone, SBC)
- Określono przy
- Q4 (QAT)
- RAM systemowy
- 8 GB
- Rekord zaktualizowany
- 2026-03-31
Commercial use permitted. No usage restrictions beyond attribution.
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
| Benchmark | Wynik | Źródło |
|---|---|---|
| MMLU | 66.4 / 100 % | opublikowane |
| HumanEval | 58.2 / 100 % | opublikowane |
Czy uruchomię Gemma 4 E2B na moim GPU?
- Gemma 4 E2B na AMD Radeon RX 7800 XT
- Gemma 4 E2B na AMD Radeon RX 7900 XT
- Gemma 4 E2B na AMD Radeon RX 7900 XTX
- Gemma 4 E2B na AMD Radeon RX 9060 XT 16GB
- Gemma 4 E2B na AMD Radeon RX 9060 XT 8GB
- Gemma 4 E2B na AMD Radeon RX 9070
- Gemma 4 E2B na AMD Radeon RX 9070 XT
- Gemma 4 E2B na Apple M1
- Gemma 4 E2B na Apple M1 Pro
- Gemma 4 E2B na Apple M2
- Gemma 4 E2B na Apple M2 Pro
- Gemma 4 E2B na Apple M3
- Gemma 4 E2B na Apple M3 Pro
- Gemma 4 E2B na Apple M4
- Gemma 4 E2B na Apple M4 Pro
- Gemma 4 E2B na Apple M5
- Gemma 4 E2B na Intel Arc B570
- Gemma 4 E2B na Intel Arc B580
- Gemma 4 E2B na NVIDIA GeForce RTX 3060 (12GB)
- Gemma 4 E2B na NVIDIA GeForce RTX 3070
- Gemma 4 E2B na NVIDIA GeForce RTX 3070 Ti
- Gemma 4 E2B na NVIDIA GeForce RTX 3080 (10GB)
- Gemma 4 E2B na NVIDIA GeForce RTX 3090
- Gemma 4 E2B na NVIDIA GeForce RTX 4060
- Gemma 4 E2B na NVIDIA GeForce RTX 4060 Ti 16GB
- Gemma 4 E2B na NVIDIA GeForce RTX 4070
- Gemma 4 E2B na NVIDIA GeForce RTX 4070 Super
- Gemma 4 E2B na NVIDIA GeForce RTX 4070 Ti
- Gemma 4 E2B na NVIDIA GeForce RTX 4070 Ti Super
- Gemma 4 E2B na NVIDIA GeForce RTX 4080
- Gemma 4 E2B na NVIDIA GeForce RTX 4080 Super
- Gemma 4 E2B na NVIDIA GeForce RTX 4090
- Gemma 4 E2B na NVIDIA GeForce RTX 5060
- Gemma 4 E2B na NVIDIA GeForce RTX 5060 Ti 16GB
- Gemma 4 E2B na NVIDIA GeForce RTX 5060 Ti 8GB
- Gemma 4 E2B na NVIDIA GeForce RTX 5070
- Gemma 4 E2B na NVIDIA GeForce RTX 5070 Ti
- Gemma 4 E2B na NVIDIA GeForce RTX 5080
- Gemma 4 E2B na NVIDIA GeForce RTX 5090
Inne rozmiary Gemma 4
Gemma 4 E2B — najczęściej zadawane pytania
How much VRAM does Gemma 4 E2B need?
About 4 GB at Q4 (QAT) — 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 4 E2B run on an RTX 4090 (24 GB)?
Yes. Gemma 4 E2B needs about 4 GB at Q4 (QAT), inside a 24 GB card, at an estimated 143 tokens/sec.
How do I run Gemma 4 E2B locally?
Install Ollama and run `ollama run gemma4:e2b`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.
What other sizes does Gemma 4 come in?
Gemma 4 E2B (4 GB), Gemma 4 E4B (6 GB), Gemma 4 26B-A4B (16 GB), Gemma 4 31B (20 GB), Gemma 4 12B (Unified) (8 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.