收錄顯卡45價格追蹤8 天自 2026年9月3日近 24h 價格資料6,955 筆24h 降價最多Mac Studio M4 Max 128GB-6.7%24h 漲價最多GeForce RTX 5070 Ti+21.0%更新於

Gemma 4 26B A4B 如何本地部署？

VRAMGlass 編輯部 · 更新於 2026年9月10日

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 GeForce RTX 2080 Ti 22GB，約 NT$12,166，預估 87.2 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

發布日期2026年3月11日
Hugging Face 倉庫google/gemma-4-26B-A4B-it
小版本—
授權Apache-2.0
架構MoE
GGUF 倉庫unsloth/gemma-4-26B-A4B-it-GGUF
Ollama 標籤—
Q4 最低記憶體18 GB · Q4_K_M · 8K
專家卸載6 GB 顯存 + 13 GB 記憶體
參數量25.8B
MoE4B
層數30
隱藏維度2,816
KV 頭8
頭維度256
上下文上限256K
廠商Google DeepMind

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GB8K 總記憶體GB32K 總記憶體GB128K 總記憶體GB
1-bit6.1估8.914.637.1
2-bit10.5GGUF12.518.140.6
3-bit12.9GGUF15.220.943.4
4-bit16.9GGUF17.322.945.4
5-bit21.2GGUF20.325.948.4
8-bit26.9GGUF29.635.357.8
FP1650.5GGUF53.45981.5

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？

閒魚
裝置顯存GB價預估 t/s建議上下文
GeForce RTX 2080 Ti 22GB22NT$12,1663 筆掛單87.28K
Instinct MI50 32GB32NT$12,7514 筆掛單97.232K
Tesla V100 32GB32NT$14,97411 筆掛單109.832K
Radeon RX 7900 XT20NT$20,11616 筆掛單838K
Arc Pro B6024NT$24,68310 筆掛單50.832K
Radeon RX 7900 XTX24NT$27,14017 筆掛單93.432K
GeForce RTX 309024NT$37,90215 筆掛單112.232K
Arc Pro B7032NT$46,0906 筆掛單63.532K
Radeon AI PRO R970032NT$51,7058 筆掛單71.232K
CMP 170HX 40GB40NT$52,8754 筆掛單14432K
Radeon PRO W780032NT$58,0223 筆掛單65.932K
CMP 170HX 64GB64NT$65,7438 筆掛單141.3128K
RTX PRO 4000 Blackwell24NT$73,23018 筆掛單92.332K
Instinct MI21064NT$86,56612 筆掛單126.1128K
Radeon PRO W790048NT$102,9435 筆掛單87.4128K
GeForce RTX 409024NT$109,96216 筆掛單116.832K
GeForce RTX 5090 D V224NT$111,83414 筆掛單134.832K
RTX PRO 4500 Blackwell32NT$120,95816 筆掛單109.532K
GeForce RTX 4090 48GB48NT$124,4673 筆掛單116.8128K
A100 40GB PCIe40NT$144,8224 筆掛單143.832K
Mac Studio M4 Max 128GB128NT$150,67113 筆掛單68128K
DGX Spark 128GB128NT$152,07531 筆掛單48128K
GeForce RTX 5090 D32NT$153,94713 筆掛單152.332K
MacBook Pro M4 Max 128GB128NT$165,6454 筆掛單68128K
Mac Studio M5 Max 128GB128NT$185,0646 筆掛單73.9128K
GeForce RTX 509032NT$204,95013 筆掛單152.332K
RTX PRO 5000 Blackwell 48GB48NT$218,98815 筆掛單134.8128K
MacBook Pro M5 Max 128GB128NT$256,4227 筆掛單73.9128K
RTX PRO 5000 Blackwell 72GB72NT$304,15017 筆掛單134.8128K
RTX PRO 6000D84NT$318,18817 筆掛單144.3128K
RTX PRO 6000 Blackwell96NT$579,7566 筆掛單152.3128K
Mac Studio M3 Ultra 512GB512NT$607,8326 筆掛單89.7128K
Arc Pro B6532—暫無掛單63.532K
GeForce RTX 4080 SUPER 32GB32—暫無掛單97.632K
Instinct MI10032—暫無掛單108.332K
Ryzen AI Max+ 395 128GB128—暫無掛單34.3128K

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

閒魚

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 16GB16NT$4,1181340.5
Radeon RX 6950 XT16NT$14,0331334.2
Radeon RX 7800 XT16NT$14,5061335
GeForce RTX 5060 Ti 16GB16NT$21,9361335
Radeon RX 9070 XT16NT$28,5431335.2
GeForce RTX 507012NT$28,8941338.5
GeForce RTX 408016NT$36,2641338.9
GeForce RTX 5070 Ti16NT$46,3201340.4
GeForce RTX 508016NT$58,2561340.9

用 Ollama / llama.cpp / vLLM 本地部署 Gemma 4 26B A4B

Ollama

Ollama 庫暫無官方標籤。

llama.cpp

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

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？

GeForce RTX 2080 Ti 22GB，22GB 記憶體，目前中位價約 NT$12,166，預估 87.2 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。