Apple M4에서 Gemma 4 26B-A4B 돌릴 수 있을까?
원활Q4_K_M 파일이 통합 메모리에 올라갑니다. GPU가 쓸 수 있는 22.4GB 중 17.7GB를 씁니다. 판정: 원활, 속도: 추정 23.6 tok/s (18.9–28.4, 보정된 추정 ±20%). 품질 손실이 큰 UD-Q2_K_XL까지 낮출 때의 판정: 쾌적, 속도: 추정 33.4 tok/s (26.7–40.1, 보정된 추정 ±20%).
통합 메모리 32GB · 120.0 GB/s · FP16 3.8 TFLOPS. 8k 컨텍스트와 f16 KV 캐시를 기준으로 계산했습니다. 판정은 메모리 용량별로 보여 줍니다.
메모리 용량별 판정
이 페이지는 32GB 구성 기준입니다. 다른 용량은 아래와 같습니다.
- 16GB불가UD-Q2_K_XL (품질 손실 큼): 겨우 가능추정 29.4 tok/s (20.5–38.2, 이론 추정 ±30%)
- 24GB겨우 가능추정 19.0 tok/s (13.3–24.6, 이론 추정 ±30%)IQ4_XS: 원활UD-Q2_K_XL (품질 손실 큼): 쾌적
- 32GB원활추정 23.6 tok/s (18.9–28.4, 보정된 추정 ±20%)UD-Q2_K_XL (품질 손실 큼): 쾌적(이 페이지 기준)
Apple M4에서 Gemma 4 26B-A4B: 양자화별 판정
| 양자화 | 파일 크기 | 판정 | 속도 | 메모리 | 실행 방식 | 참고 |
|---|---|---|---|---|---|---|
| UD-Q2_K_XL | 10.55GB | 쾌적 | 추정 33.4 tok/s26.7–40.1보정된 추정 ±20% | 11.3 / 22.4GB | 통합 메모리 | — |
| IQ4_XS | 13.60GB | 원활 | 추정 25.0 tok/s20.0–30.0보정된 추정 ±20% | 14.3 / 22.4GB | 통합 메모리 | — |
| Q4_K_M기준 | 16.95GB | 원활 | 추정 23.6 tok/s18.9–28.4보정된 추정 ±20% | 17.7 / 22.4GB | 통합 메모리 | — |
| Q8_0 | 26.86GB | 겨우 가능 | 추정 12.2 tok/s8.6–15.9이론 추정 ±30% | RAM 27.0GB | CPU 전용 | CPU로만 추론하므로 겨우 돌아가는 수준을 넘지 못합니다. |
생각 모드가 있는 모델은 생각하는 데 토큰을 더 쓰기 때문에 속도 기준을 1.5배 엄격하게 잡습니다(30 / 12 / 3 tok/s). 생각 모드를 끄고 쓰면 실제로는 한 단계 위일 수 있습니다.
Q4_K_M 기준 메모리 사용 내역
- 가중치
- 17.0GB
- KV 캐시
- 0.2GB
- 연산 버퍼
- 0.6GB
- 여유
- 4.7GB
- GPU가 못 쓰는 영역
- 9.6GB
컨텍스트 길이와 KV 캐시
| 컨텍스트 | KV f16 | KV q8_0 | KV q4_0 |
|---|---|---|---|
| 4k | 17.6GB원활 추정 24.2 tok/s19.3–29.0보정된 추정 ±20% | 17.5GB원활 추정 24.4 tok/s19.5–29.3보정된 추정 ±20% | 17.5GB원활 추정 24.5 tok/s19.6–29.5보정된 추정 ±20% |
| 8k | 17.7GB원활 추정 23.6 tok/s18.9–28.4보정된 추정 ±20% | 17.6GB원활 추정 24.1 tok/s19.3–28.9보정된 추정 ±20% | 17.6GB원활 추정 24.4 tok/s19.5–29.3보정된 추정 ±20% |
| 16k | 17.9GB원활 추정 22.6 tok/s18.1–27.2보정된 추정 ±20% | 17.8GB원활 추정 23.6 tok/s18.8–28.3보정된 추정 ±20% | 17.7GB원활 추정 24.1 tok/s19.3–28.9보정된 추정 ±20% |
| 32k | 18.4GB원활 추정 20.9 tok/s16.7–25.1보정된 추정 ±20% | 18.1GB원활 추정 22.5 tok/s18.0–27.0보정된 추정 ±20% | 17.9GB원활 추정 23.5 tok/s18.8–28.2보정된 추정 ±20% |
| 64k | 19.4GB원활 추정 18.1 tok/s14.5–21.7보정된 추정 ±20% | 18.8GB원활 추정 20.7 tok/s16.5–24.8보정된 추정 ±20% | 18.4GB원활 추정 22.4 tok/s17.9–26.9보정된 추정 ±20% |
| 128k | 21.3GB원활 추정 14.3 tok/s11.4–17.2보정된 추정 ±20% | 20.1GB원활 추정 17.8 tok/s14.2–21.3보정된 추정 ±20% | 19.4GB원활 추정 20.5 tok/s16.4–24.6보정된 추정 ±20% |
| 256k | 22.3GB겨우 가능 추정 6.5 tok/s4.6–8.5이론 추정 ±30% | 19.8GB겨우 가능 추정 9.5 tok/s6.7–12.4이론 추정 ±30% | 21.4GB원활 추정 17.5 tok/s14.0–21.0보정된 추정 ±20% |
S = 쾌적 · A = 원활 · B = 겨우 가능 · F = 불가
Q4_K_M 기준으로 판정(원활)이 유지되는 컨텍스트는 f16 KV 캐시에서 128k, q8_0에서 128k까지입니다.
예상 속도
- 생성
- 추정 23.6 tok/s (18.9–28.4, 보정된 추정 ±20%)
- 프롬프트 처리
- 약 151 tok/s (91–212, 대략적 추정 ±40%)
이 조합의 벤치마크 결과
이 조합으로 잰 공개 벤치마크 결과는 아직 없습니다. 위 수치는 모두 추정치입니다.
다른 선택지
Apple M4에서 원활하게 도는 더 큰 모델
쾌적MiniCPM-V 4.7 35B-A3B: 쾌적, 추정 37.5 tok/s (30.0–45.0, 보정된 추정 ±20%)
Gemma 4 26B-A4B의 더 낮은 양자화
쾌적UD-Q2_K_XL(10.55GB, 품질 손실 큼): 쾌적, 추정 33.4 tok/s (26.7–40.1, 보정된 추정 ±20%)
Apple M6에서 Gemma 4 26B-A4B
쾌적Q4_K_M: 쾌적, 추정 32.8 tok/s (26.3–39.4, 보정된 추정 ±20%)
실행 방법
UD-Q4_K_M 파일을 쓰는 명령입니다. 두 도구 모두 처음 실행할 때 Hugging Face에서 파일을 내려받습니다.
파일: gemma-4-26B-A4B-it-UD-Q4_K_M.gguf (16.95GB, unsloth/gemma-4-26B-A4B-it-GGUF).
llama-server -hf unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_M -c 8192 -ngl all -fa on- -ngl all: 모든 층을 GPU에 올립니다.
- -fa on: 플래시 어텐션을 켭니다. KV 캐시를 양자화하려면 필요합니다.
- --cache-type-k q8_0 --cache-type-v q8_0: 8k 기준 KV 캐시가 0.09GB로 줄어듭니다.
터미널:
OLLAMA_CONTEXT_LENGTH=8192 ollama serve
ollama run hf.co/unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_M- Ollama는 24GB 미만 GPU에서 컨텍스트 기본값이 4k입니다. 서버를 띄울 때 OLLAMA_CONTEXT_LENGTH를 지정하거나, 대화 안에서 /set parameter num_ctx를 쓰세요.
/set parameter num_ctx 8192
관련 페이지
자주 묻는 질문
Apple M4에서 Gemma 4 26B-A4B 돌릴 수 있나요?
Q4_K_M 파일이 통합 메모리에 올라갑니다. GPU가 쓸 수 있는 22.4GB 중 17.7GB를 씁니다. 판정: 원활, 속도: 추정 23.6 tok/s (18.9–28.4, 보정된 추정 ±20%). 품질 손실이 큰 UD-Q2_K_XL까지 낮출 때의 판정: 쾌적, 속도: 추정 33.4 tok/s (26.7–40.1, 보정된 추정 ±20%). Q4_K_M에는 8k 컨텍스트 기준 17.7GB가 필요하고, 통합 메모리 중 GPU가 쓸 수 있는 양은 22.4GB입니다.
Apple M4에서 Gemma 4 26B-A4B 컨텍스트는 얼마까지 쓸 수 있나요?
Q4_K_M 기준으로 판정(원활)이 유지되는 컨텍스트는 f16 KV 캐시에서 128k(KV 2.7GB), q8_0 KV 캐시에서 128k(KV 1.4GB)까지입니다. 모델이 지원하는 최대 컨텍스트는 256k입니다.
어떤 양자화 파일을 받아야 하고, 속도는 얼마나 나오나요?
추천 파일은 Q4_K_M(16.95GB)입니다. 판정: 원활, 속도: 추정 23.6 tok/s (18.9–28.4, 보정된 추정 ±20%). 같은 판정이 나오는 파일 가운데 가장 큰 파일이기도 합니다.
속도는 메모리 대역폭으로 계산한 추정치를 공개 벤치마크로 보정한 값입니다. 모든 수치에는 오차 범위와 신뢰 라벨을 함께 표시합니다. 실제 속도는 드라이버, 백엔드, 컨텍스트 길이, 발열에 따라 달라집니다.