Gemma 4 E4B 如何本地部署？
Gemma 4 E4B 是 8B 参数的稠密模型。Q4 量化最低需要 7GB 显存，8K 上下文下推荐 8GB。当前最便宜能跑的显卡是 Tesla V100 16GB，约 ¥2,051，预估 116.8 tokens/s。
Gemma 4 E4B 版本信息
发布日期2026年3月2日
Hugging Face 仓库google/gemma-4-E4B-it
小版本—
许可证Apache-2.0
架构稠密
GGUF 仓库unsloth/gemma-4-E4B-it-GGUF
Ollama 标签—
Q4 最低显存7 GB · Q4_K_M · 8K
参数量8B
层数42
隐藏维度2,560
KV 头2
头维度256
上下文上限128K
厂商Google DeepMind
Gemma 4 E4B 本地部署需要多少显存？
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存GB |
|---|---|---|---|---|
| 1-bit | 1.9估 | 3.5 | 5.5 | 13.4 |
| 2-bit | 3.8GGUF | 4.6 | 6.6 | 14.5 |
| 3-bit | 4.6GGUF | 5.5 | 7.5 | 15.3 |
| 4-bit | 5GGUF | 6.1 | 8.1 | 16 |
| 5-bit | 5.5GGUF | 7.1 | 9 | 16.9 |
| 8-bit | 8.2GGUF | 9.9 | 11.9 | 19.8 |
| FP16 | 15.1GGUF | 17.3 | 19.3 | 27.1 |
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 128K 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 E4B？
eBay
| 设备 | 显存GB | 价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
 Tesla V100 16GB | 16 | ¥2,05134 条挂单 | 116.8 | 128K |
 Radeon RX 6950 XT | 16 | ¥3,3639 条挂单 | 56.3 | 128K |
| GeForce RTX 2080 Ti 22GB | 22 | ¥3,7063 条挂单 | 82.4 | 128K |
| Radeon RX 7800 XT | 16 | ¥3,82024 条挂单 | 60.7 | 128K |
| GeForce RTX 5060 Ti 16GB | 16 | ¥4,70812 条挂单 | 61 | 128K |
| Radeon RX 7900 XT | 20 | ¥4,70824 条挂单 | 76.8 | 128K |
| Tesla V100 32GB | 32 | ¥4,84223 条挂单 | 116.8 | 128K |
| Instinct MI50 32GB | 32 | ¥5,1657 条挂单 | 96.6 | 128K |
| GeForce RTX 5070 | 12 | ¥5,21223 条挂单 | 89.4 | 32K |
| Radeon RX 9070 XT | 16 | ¥5,34712 条挂单 | 62.2 | 128K |
| Radeon RX 7900 XTX | 24 | ¥6,71925 条挂单 | 91 | 128K |
| Instinct MI100 | 32 | ¥6,7197 条挂单 | 114.2 | 128K |
| GeForce RTX 5070 Ti | 16 | ¥8,07110 条挂单 | 116.4 | 128K |
| GeForce RTX 4080 | 16 | ¥8,49430 条挂单 | 94.9 | 128K |
| GeForce RTX 3090 | 24 | ¥10,42580 条挂单 | 121.1 | 128K |
| GeForce RTX 5080 | 16 | ¥12,10614 条挂单 | 123.9 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥19,8403 条挂单 | 89.4 | 128K |
| GeForce RTX 4090 | 24 | ¥21,51540 条挂单 | 129.4 | 128K |
| Radeon PRO W7900 | 48 | ¥23,5063 条挂单 | 82.5 | 128K |
| RTX PRO 4500 Blackwell | 32 | ¥28,9203 条挂单 | 116.4 | 128K |
| A100 40GB PCIe | 40 | ¥32,94813 条挂单 | 189 | 128K |
| Instinct MI210 | 64 | ¥33,93711 条挂单 | 147.8 | 128K |
| MacBook Pro M4 Max 128GB | 128 | ¥37,3203 条挂单 | 58.6 | 128K |
| GeForce RTX 5090 | 32 | ¥43,71612 条挂单 | 212.9 | 128K |
| Mac Studio M4 Max 128GB | 128 | ¥44,0324 条挂单 | 58.6 | 128K |
| MacBook Pro M5 Max 128GB | 128 | ¥48,7605 条挂单 | 65.5 | 128K |
| RTX PRO 6000 Blackwell | 96 | ¥114,2334 条挂单 | 212.9 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | ¥147,96111 条挂单 | 85.8 | 128K |
 Arc Pro B60 | 24 | —暂无挂单 | 40.6 | 128K |
| GeForce RTX 5090 D V2 | 24 | —暂无挂单 | 166.8 | 128K |
| Arc Pro B65 | 32 | —暂无挂单 | 53.6 | 128K |
| Arc Pro B70 | 32 | —暂无挂单 | 53.6 | 128K |
| GeForce RTX 4080 SUPER 32GB | 32 | —暂无挂单 | 97.2 | 128K |
| GeForce RTX 5090 D | 32 | —暂无挂单 | 212.9 | 128K |
| Radeon AI PRO R9700 | 32 | —暂无挂单 | 62.2 | 128K |
| Radeon PRO W7800 | 32 | —暂无挂单 | 56.3 | 128K |
| CMP 170HX 40GB | 40 | —暂无挂单 | 189.5 | 128K |
| GeForce RTX 4090 48GB | 48 | —暂无挂单 | 129.4 | 128K |
| RTX PRO 5000 Blackwell 48GB | 48 | —暂无挂单 | 166.8 | 128K |
| CMP 170HX 64GB | 64 | —暂无挂单 | 182.6 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | —暂无挂单 | 166.8 | 128K |
| RTX PRO 6000D | 84 | —暂无挂单 | 190.4 | 128K |
| DGX Spark 128GB | 128 | —暂无挂单 | 37.9 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暂无挂单 | 65.5 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暂无挂单 | 25.6 | 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。
用 Ollama / llama.cpp / vLLM 本地部署 Gemma 4 E4B
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-E4B-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-E4B-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 E4B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Gemma 4 E4B 约需 7GB 显存，留到 8GB 更稳。
哪张显卡最便宜能跑 Gemma 4 E4B？
Tesla V100 16GB，16GB 显存，当前中位价约 ¥2,051，预估 116.8 tokens/s。
Gemma 4 E4B 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。