Gemma 4 26B A4B 如何本地部署？

VRAMGlass 编辑部 · 更新于 2026年9月10日

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 GeForce RTX 2080 Ti 22GB，约 ¥3,706，预估 87.2 tokens/s。卸载模式下最便宜能跑的显卡是 Tesla V100 16GB，预估 41 tokens/s。

Gemma 4 26B A4B 版本信息

发布日期2026年3月11日

Hugging Face 仓库google/gemma-4-26B-A4B-it

小版本—

许可证Apache-2.0

架构MoE

GGUF 仓库unsloth/gemma-4-26B-A4B-it-GGUF

Ollama 标签—

Q4 最低显存18 GB · Q4_K_M · 8K

专家卸载6 GB 显存 + 13 GB 内存

参数量25.8B

MoE4B

层数30

隐藏维度2,816

KV 头8

头维度256

上下文上限256K

厂商Google DeepMind

Gemma 4 26B A4B 本地部署需要多少显存？

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
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

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「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。

什么显卡能跑 Gemma 4 26B A4B？

eBay

设备	显存GB	价	预估 t/s	建议上下文
GeForce RTX 2080 Ti 22GB	22	¥3,7063 条挂单	87.2	8K
Radeon RX 7900 XT	20	¥4,70824 条挂单	83	8K
Tesla V100 32GB	32	¥4,84223 条挂单	109.8	32K
Instinct MI50 32GB	32	¥5,1657 条挂单	97.2	32K
Radeon RX 7900 XTX	24	¥6,71925 条挂单	93.4	32K
Instinct MI100	32	¥6,7197 条挂单	108.3	32K
GeForce RTX 3090	24	¥10,42580 条挂单	112.2	32K
RTX PRO 4000 Blackwell	24	¥19,8403 条挂单	92.3	32K
GeForce RTX 4090	24	¥21,51540 条挂单	116.8	32K
Radeon PRO W7900	48	¥23,5063 条挂单	87.4	128K
RTX PRO 4500 Blackwell	32	¥28,9203 条挂单	109.5	32K
A100 40GB PCIe	40	¥32,94813 条挂单	143.8	32K
Instinct MI210	64	¥33,93711 条挂单	126.1	128K
MacBook Pro M4 Max 128GB	128	¥37,3203 条挂单	68	128K
GeForce RTX 5090	32	¥43,71612 条挂单	152.3	32K
Mac Studio M4 Max 128GB	128	¥44,0324 条挂单	68	128K
MacBook Pro M5 Max 128GB	128	¥48,7605 条挂单	73.9	128K
RTX PRO 6000 Blackwell	96	¥114,2334 条挂单	152.3	128K
Mac Studio M3 Ultra 512GB	512	¥147,96111 条挂单	89.7	128K
Arc Pro B60	24	—暂无挂单	50.8	32K
GeForce RTX 5090 D V2	24	—暂无挂单	134.8	32K
Arc Pro B65	32	—暂无挂单	63.5	32K
Arc Pro B70	32	—暂无挂单	63.5	32K
GeForce RTX 4080 SUPER 32GB	32	—暂无挂单	97.6	32K
GeForce RTX 5090 D	32	—暂无挂单	152.3	32K
Radeon AI PRO R9700	32	—暂无挂单	71.2	32K
Radeon PRO W7800	32	—暂无挂单	65.9	32K
CMP 170HX 40GB	40	—暂无挂单	144	32K
GeForce RTX 4090 48GB	48	—暂无挂单	116.8	128K
RTX PRO 5000 Blackwell 48GB	48	—暂无挂单	134.8	128K
CMP 170HX 64GB	64	—暂无挂单	141.3	128K
RTX PRO 5000 Blackwell 72GB	72	—暂无挂单	134.8	128K
RTX PRO 6000D	84	—暂无挂单	144.3	128K
DGX Spark 128GB	128	—暂无挂单	48	128K
Mac Studio M5 Max 128GB	128	—暂无挂单	73.9	128K
Ryzen AI Max+ 395 128GB	128	—暂无挂单	34.3	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。

Gemma 4 26B A4B 混合推理推荐显卡

eBay

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	价	需内存GB	预估 t/s
Tesla V100 16GB	16	¥2,051	13	40.5
Radeon RX 6950 XT	16	¥3,363	13	34.2
Radeon RX 7800 XT	16	¥3,820	13	35
GeForce RTX 5060 Ti 16GB	16	¥4,708	13	35
GeForce RTX 5070	12	¥5,212	13	38.5
Radeon RX 9070 XT	16	¥5,347	13	35.2
GeForce RTX 5070 Ti	16	¥8,071	13	40.4
GeForce RTX 4080	16	¥8,494	13	38.9
GeForce RTX 5080	16	¥12,106	13	40.9

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

Ollama

Ollama 库暂无官方标签。

llama.cpp

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

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？

GeForce RTX 2080 Ti 22GB，22GB 显存，当前中位价约 ¥3,706，预估 87.2 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。