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 GeForce RTX 2080 Ti 22GB（で約 ¥59,378）で、推定 87.2 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？
Xianyu
| デバイス | VRAMGB | 価格 | 推定 t/s | 推奨コンテキスト |
|---|---|---|---|---|
 GeForce RTX 2080 Ti 22GB | 22 | ¥59,3783 件の出品 | 87.2 | 8K |
 Instinct MI50 32GB | 32 | ¥62,2324 件の出品 | 97.2 | 32K |
| Tesla V100 32GB | 32 | ¥73,08011 件の出品 | 109.8 | 32K |
| Radeon RX 7900 XT | 20 | ¥98,17816 件の出品 | 83 | 8K |
 Arc Pro B60 | 24 | ¥120,46810 件の出品 | 50.8 | 32K |
| Radeon RX 7900 XTX | 24 | ¥132,45817 件の出品 | 93.4 | 32K |
| GeForce RTX 3090 | 24 | ¥184,98415 件の出品 | 112.2 | 32K |
| Arc Pro B70 | 32 | ¥224,9496 件の出品 | 63.5 | 32K |
| Radeon AI PRO R9700 | 32 | ¥252,3548 件の出品 | 71.2 | 32K |
| CMP 170HX 40GB | 40 | ¥258,0644 件の出品 | 144 | 32K |
| Radeon PRO W7800 | 32 | ¥283,1853 件の出品 | 65.9 | 32K |
| CMP 170HX 64GB | 64 | ¥320,8678 件の出品 | 141.3 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥357,40718 件の出品 | 92.3 | 32K |
| Instinct MI210 | 64 | ¥422,49412 件の出品 | 126.1 | 128K |
| Radeon PRO W7900 | 48 | ¥502,4255 件の出品 | 87.4 | 128K |
| GeForce RTX 4090 | 24 | ¥536,68116 件の出品 | 116.8 | 32K |
| GeForce RTX 5090 D V2 | 24 | ¥545,81614 件の出品 | 134.8 | 32K |
| RTX PRO 4500 Blackwell | 32 | ¥590,35016 件の出品 | 109.5 | 32K |
| GeForce RTX 4090 48GB | 48 | ¥607,4783 件の出品 | 116.8 | 128K |
| A100 40GB PCIe | 40 | ¥706,8214 件の出品 | 143.8 | 32K |
| Mac Studio M4 Max 128GB | 128 | ¥735,36813 件の出品 | 68 | 128K |
| DGX Spark 128GB | 128 | ¥742,21931 件の出品 | 48 | 128K |
| GeForce RTX 5090 D | 32 | ¥751,35413 件の出品 | 152.3 | 32K |
| MacBook Pro M4 Max 128GB | 128 | ¥808,4484 件の出品 | 68 | 128K |
| Mac Studio M5 Max 128GB | 128 | ¥903,2236 件の出品 | 73.9 | 128K |
| GeForce RTX 5090 | 32 | ¥1,000,28313 件の出品 | 152.3 | 32K |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥1,068,79515 件の出品 | 134.8 | 128K |
| MacBook Pro M5 Max 128GB | 128 | ¥1,251,4957 件の出品 | 73.9 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥1,484,43817 件の出品 | 134.8 | 128K |
| RTX PRO 6000D | 84 | ¥1,552,95117 件の出品 | 144.3 | 128K |
| RTX PRO 6000 Blackwell | 96 | ¥2,829,5676 件の出品 | 152.3 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | ¥2,966,5926 件の出品 | 89.7 | 128K |
| Arc Pro B65 | 32 | —出品なし | 63.5 | 32K |
| GeForce RTX 4080 SUPER 32GB | 32 | —出品なし | 97.6 | 32K |
| Instinct MI100 | 32 | —出品なし | 108.3 | 32K |
| Ryzen AI Max+ 395 128GB | 128 | —出品なし | 34.3 | 128K |
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
Xianyu
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 | ¥20,097 | 13 | 40.5 |
| Radeon RX 6950 XT | 16 | ¥68,490 | 13 | 34.2 |
| Radeon RX 7800 XT | 16 | ¥70,796 | 13 | 35 |
| GeForce RTX 5060 Ti 16GB | 16 | ¥107,062 | 13 | 35 |
| Radeon RX 9070 XT | 16 | ¥139,309 | 13 | 35.2 |
| GeForce RTX 5070 | 12 | ¥141,022 | 13 | 38.5 |
| GeForce RTX 4080 | 16 | ¥176,991 | 13 | 38.9 |
| GeForce RTX 5070 Ti | 16 | ¥226,068 | 13 | 40.4 |
| GeForce RTX 5080 | 16 | ¥284,327 | 13 | 40.9 |
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？
GeForce RTX 2080 Ti 22GB です。VRAM 22GB、現在の中央値は約 ¥59,378、推定 87.2 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。