Gemma 4 26B A4B をローカルに導入するには？
Gemma 4 26B A4B は総パラメータ 25.8B、1 トークンあたり 4B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 18GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 6GB + RAM 13GB で動きます。現在最も安く動かせるのは Tesla V100 32GB（で約 ¥175,227）で、推定 109.8 tokens/s です。オフロード構成で最も安く動かせるのは Tesla V100 16GB で、推定 41 tokens/s です。
Gemma 4 26B A4B のバージョン情報
Gemma 4 26B A4B のローカル実行に必要なVRAMは？
MoE：総パラメータ 25.8B すべてをメモリに常駐させる必要があり、速度は 1 トークンあたり有効な 4B で決まります。
| 量子化 | 重みサイズGB | 8K 時の合計GB | 32K 時の合計GB | 128K 時の合計GB |
|---|---|---|---|---|
| 1-bit | 6.1推定 | 8.9 | 14.6 | 37.1 |
| 2-bit | 10.5GGUF | 12.5 | 18.1 | 40.6 |
| 3-bit | 12.9GGUF | 15.2 | 20.9 | 43.4 |
| 4-bit | 16.9GGUF | 17.3 | 22.9 | 45.4 |
| 5-bit | 21.2GGUF | 20.3 | 25.9 | 48.4 |
| 8-bit | 26.9GGUF | 29.6 | 35.3 | 57.8 |
| FP16 | 50.5GGUF | 53.4 | 59 | 81.5 |
合計 = 重み + KV キャッシュ（FP16）+ 実行時オーバーヘッド 1GB。GGUF と付いた重みはリポジトリの実測ファイルサイズ、「推定」はパラメータあたりのバイト数からの概算です。このモデルの上限 256K を超えるコンテキストは「—」と表示します。各段はリポジトリにあるそのビット幅のファイルを使い、unsloth 動的量子化を優先するため、ファイル名はモデルごとに異なります。
Gemma 4 26B A4B を動かせるGPUは？
AmazonJP
判定基準：重み + KV キャッシュ + 実行時オーバーヘッド ≤ 利用可能メモリ、1 枚構成。MoE モデルの「オフロード」はエキスパート重みをシステム RAM に置けば動作することを示し（VRAM にはアテンション層と KV キャッシュのみ）、その速度は RAM 帯域幅 70 GB/s を前提に推定。コンテキスト列は収まる最大段階です。
Gemma 4 26B A4B のCPU・GPU併用推論におすすめのGPU
AmazonJP
エキスパート重みはシステム RAM に置き（13 GB 以上が必要）、VRAM にはアテンション層・共有エキスパート・KV キャッシュのみで Q4 なら最低 6 GB。速度は RAM 帯域幅（70 GB/s で推定）に縛られ、全量 VRAM 構成よりかなり遅くなります。
| デバイス | VRAMGB | 価格 | 必要 RAMGB | 推定 t/s |
|---|---|---|---|---|
 Tesla V100 16GB | 16 | ¥101,219 | 13 | 40.5 |
 Radeon RX 9070 XT | 16 | ¥135,853 | 13 | 35.2 |
| GeForce RTX 5060 Ti 16GB | 16 | ¥141,980 | 13 | 35 |
| GeForce RTX 5070 | 12 | ¥146,804 | 13 | 38.5 |
| Radeon RX 7800 XT | 16 | ¥148,396 | 13 | 35 |
| Radeon RX 6950 XT | 16 | ¥215,642 | 13 | 34.2 |
| GeForce RTX 5070 Ti | 16 | ¥242,081 | 13 | 40.4 |
| GeForce RTX 5080 | 16 | ¥286,844 | 13 | 40.9 |
| GeForce RTX 4080 | 16 | ¥335,932 | 13 | 38.9 |
Ollama / llama.cpp / vLLM で Gemma 4 26B A4B をローカルに導入する
Ollama ライブラリに公式タグはまだありません。
llama.cpp は Hugging Face から GGUF を直接取得します。-c はコンテキスト長です。
llama-server -hf unsloth/gemma-4-26B-A4B-it-GGUF:Q4_K_M -c 8192
vLLM は元の精度の重みを読み込むため、GGUF よりはるかに多くのメモリ（通常は複数枚）が必要です。
vllm serve google/gemma-4-26B-A4B-it
ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法
よくある質問
Gemma 4 26B A4B にはどれくらいのVRAMが必要ですか？
Q4_K_M・8K コンテキストでは Gemma 4 26B A4B に約 18GB のVRAMが必要で、24GB あれば余裕があります。
Gemma 4 26B A4B を動かせる最も安いGPUは？
Tesla V100 32GB です。VRAM 32GB、現在の中央値は約 ¥175,227、推定 109.8 tokens/s。
Gemma 4 26B A4B は Ollama で動かせますか？
まだできません。Ollama ライブラリに公式タグがないため、llama.cpp で GGUF を読み込んでください。