Gemma 4 26B A4B 如何本地部署？
Gemma 4 26B A4B 是 MoE 模型，總參數 25.8B，每 token 啟用 4B。Q4 量化整機放顯存需要 18GB；把專家放進系統記憶體後只需 6GB 顯存 + 13GB 記憶體。目前最便宜能跑的顯示卡是 Tesla V100 32GB，約 NT$35,903，預估 109.8 tokens/s。卸載模式下最便宜能跑的顯示卡是 Tesla V100 16GB，預估 41 tokens/s。
Gemma 4 26B A4B 版本資訊
Gemma 4 26B A4B 本地部署需要多少顯示記憶體？
MoE：總參數 25.8B 全部要常駐記憶體，速度按每 token 啟用的 4B 計算。
| 量化 | 權重體積GB | 8K 總記憶體GB | 32K 總記憶體GB | 128K 總記憶體GB |
|---|---|---|---|---|
| 1-bit | 6.1估 | 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 |
總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 256K 上下文上限的檔位寫「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。
什麼顯示卡能跑 Gemma 4 26B A4B？
AmazonJP
判定口徑：權重 + KV cache + 執行開銷 ≤ 可用記憶體，單卡。MoE 模型標「卸載」表示把專家權重放進系統記憶體後能跑（顯存只放注意力層與 KV cache），速度按記憶體頻寬 70 GB/s 估算。上下文欄給的是能裝下的最大檔位。
Gemma 4 26B A4B 混合推論推薦顯示卡
AmazonJP
專家權重放系統記憶體，需要 ≥ 13 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 6 GB。速度受記憶體頻寬限制（按 70 GB/s 估算），比整機放顯存慢得多。
| 裝置 | 顯存GB | 價 | 需記憶體GB | 預估 t/s |
|---|---|---|---|---|
 Tesla V100 16GB | 16 | NT$20,739 | 13 | 40.5 |
 Radeon RX 9070 XT | 16 | NT$27,835 | 13 | 35.2 |
| GeForce RTX 5060 Ti 16GB | 16 | NT$29,091 | 13 | 35 |
| GeForce RTX 5070 | 12 | NT$30,079 | 13 | 38.5 |
| Radeon RX 7800 XT | 16 | NT$30,405 | 13 | 35 |
| Radeon RX 6950 XT | 16 | NT$44,183 | 13 | 34.2 |
| GeForce RTX 5070 Ti | 16 | NT$49,601 | 13 | 40.4 |
| GeForce RTX 5080 | 16 | NT$58,772 | 13 | 40.9 |
| GeForce RTX 4080 | 16 | NT$68,830 | 13 | 38.9 |
用 Ollama / llama.cpp / vLLM 本地部署 Gemma 4 26B A4B
Ollama 庫暫無官方標籤。
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf unsloth/gemma-4-26B-A4B-it-GGUF:Q4_K_M -c 8192
vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。
vllm serve google/gemma-4-26B-A4B-it
量化檔名以模型庫當週抓取為準，口徑見資料方法。 資料方法
常見問題
Gemma 4 26B A4B 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 Gemma 4 26B A4B 約需 18GB 記憶體，留到 24GB 更穩。
哪張顯示卡最便宜能跑 Gemma 4 26B A4B？
Tesla V100 32GB，32GB 記憶體，目前中位價約 NT$35,903，預估 109.8 tokens/s。
Gemma 4 26B A4B 能用 Ollama 跑嗎？
暫時不行，Ollama 庫還沒有它的官方標籤；可以用 llama.cpp 載入 GGUF。