Gemma 4 26B A4B 本地部署需要多少显存？
看能跑的设备Gemma 4 26B A4B 是 MoE 模型，总参数 25.8B，每 token 激活 4B。Q4 量化整机放显存需要 18GB；把专家放进系统内存后只需 6GB 显存 + 13GB 内存。当前最便宜能跑的显卡是 Radeon RX 7900 XT，二手约 ¥3,999，预估 83 tokens/s。卸载模式下最便宜能跑的显卡是 GeForce RTX 2080 Ti，预估 38 tokens/s。
Gemma 4 26B A4B 版本信息
Gemma 4 26B A4B 各量化与上下文的显存需求
8K 总显存MoE：总参数 25.8B 全部要驻留显存，速度按每 token 激活的 4B 算。
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存GB |
|---|---|---|---|---|
| Q4_K_M | 16.9GGUF | 17.3 | 22.9 | 45.4 |
| Q5_K_M | 21.2GGUF | 20.3 | 25.9 | 48.4 |
| Q8_0 | 26.9GGUF | 29.6 | 35.3 | 57.8 |
| FP16 | 50.5GGUF | 53.4 | 59 | 81.5 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 256K 上下文上限的档位写「—」。
什么显卡能跑 Gemma 4 26B A4B？
Q4_K_M · 8K 上下文 · 按闲鱼二手价升序| 设备 | 显存GB | 二手价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
 Radeon RX 7900 XT | 20 | ¥3,99918 条挂牌 | 83 | 8K |
 Arc Pro B60 | 24 | ¥5,2999 条挂牌 | 50.8 | 32K |
| Radeon RX 7900 XTX | 24 | ¥5,50018 条挂牌 | 93.4 | 32K |
 GeForce RTX 3090 | 24 | ¥8,0498 条挂牌 | 112.2 | 32K |
| Arc Pro B70 | 32 | ¥9,9997 条挂牌 | 63.5 | 32K |
| Radeon PRO W7800 | 32 | ¥10,1004 条挂牌 | 65.9 | 32K |
| CMP 170HX 40GB (改装) | 40 | ¥10,8004 条挂牌 | 144 | 32K |
| Radeon AI PRO R9700 | 32 | ¥11,9003 条挂牌 | 71.2 | 32K |
| CMP 170HX 64GB (改装) | 64 | ¥12,8504 条挂牌 | 141.3 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥15,80010 条挂牌 | 92.3 | 32K |
| Instinct MI210 | 64 | ¥18,50017 条挂牌 | 126.1 | 128K |
| Radeon PRO W7900 | 48 | ¥22,0005 条挂牌 | 87.4 | 128K |
| GeForce RTX 4090 | 24 | ¥22,8005 条挂牌 | 116.8 | 32K |
| GeForce RTX 5090 D V2 | 24 | ¥25,00016 条挂牌 | 134.8 | 32K |
| GeForce RTX 4090 48GB (改装) | 48 | ¥25,5003 条挂牌 | 116.8 | 128K |
| RTX PRO 4500 Blackwell | 32 | ¥25,8508 条挂牌 | 109.5 | 32K |
| GeForce RTX 5090 D | 32 | ¥30,9007 条挂牌 | 152.3 | 32K |
| A100 40GB PCIe | 40 | ¥38,5004 条挂牌 | 143.8 | 32K |
| GeForce RTX 5090 | 32 | ¥39,7504 条挂牌 | 152.3 | 32K |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥47,00011 条挂牌 | 134.8 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥62,00011 条挂牌 | 134.8 | 128K |
| RTX PRO 6000D | 84 | ¥70,00019 条挂牌 | 144.3 | 128K |
| RTX PRO 6000 Blackwell | 96 | ¥118,50010 条挂牌 | 152.3 | 128K |
| Arc Pro B65 | 32 | —暂无挂牌 | 63.5 | 32K |
| GeForce RTX 4080 SUPER 32GB (改装) | 32 | —暂无挂牌 | 97.6 | 32K |
| Instinct MI100 | 32 | —暂无挂牌 | 108.3 | 32K |
| Tesla V100 32GB | 32 | —暂无挂牌 | 109.8 | 32K |
| DGX Spark 128GB | 128 | —暂无挂牌 | 48 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暂无挂牌 | 68 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暂无挂牌 | 73.9 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暂无挂牌 | 68 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暂无挂牌 | 73.9 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暂无挂牌 | 34.3 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暂无挂牌 | 89.7 | 128K |
判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。
把专家放进内存后还能跑 Gemma 4 26B A4B 的显卡
专家权重放系统内存，需要 ≥ 13 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 6 GB。速度受内存带宽限制（按 70 GB/s 估算），比整机放显存慢得多。
| 设备 | 显存GB | 二手价 | 需内存GB | 预估 t/s |
|---|---|---|---|---|
| GeForce RTX 2080 Ti | 11 | ¥1,680 | 13 | 37.8 |
| Radeon RX 7800 XT | 16 | ¥2,600 | 13 | 35 |
| Radeon RX 9070 XT | 16 | ¥5,230 | 13 | 35.2 |
| GeForce RTX 4080 | 16 | ¥7,590 | 13 | 38.9 |
| GeForce RTX 5070 Ti | 16 | ¥8,644 | 13 | 40.4 |
| GeForce RTX 5080 | 16 | ¥11,500 | 13 | 40.9 |
| Tesla V100 16GB | 16 | — | 13 | 40.5 |
用 Ollama / llama.cpp / vLLM 启动 Gemma 4 26B A4B
Ollama 库暂无官方标签。
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf unsloth/gemma-4-26B-A4B-it-GGUF:Q4_K_M -c 8192
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve google/gemma-4-26B-A4B-it
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
Gemma 4 26B A4B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Gemma 4 26B A4B 约需 18GB 显存，留到 24GB 更稳。
哪张显卡最便宜能跑 Gemma 4 26B A4B？
Radeon RX 7900 XT，20GB 显存，当前二手中位价约 ¥3,999，预估 83 tokens/s。
Gemma 4 26B A4B 能用 Ollama 跑吗？
暂时不能，Ollama 库还没有它的官方标签；可以用 llama.cpp 加载 GGUF。