CanRun

Apple M4 Pro에서 Gemma 4 26B-A4B 돌릴 수 있을까?

쾌적Q4_K_M 파일이 통합 메모리에 올라갑니다. GPU가 쓸 수 있는 33.6GB 중 17.7GB를 씁니다. 판정: 쾌적, 속도: 추정 50.2 tok/s (40.2–60.2, 보정된 추정 ±20%).

통합 메모리: 기본 설정에서는 GPU가 약 70%까지 쓸 수 있습니다오픈 라이선스 · Apache-2.0커뮤니티 GGUF · unsloth생각 모드

통합 메모리 48GB · 273.0 GB/s · FP16 8.1 TFLOPS. 8k 컨텍스트와 f16 KV 캐시를 기준으로 계산했습니다. 판정은 메모리 용량별로 보여 줍니다.

메모리 용량별 판정

이 페이지는 48GB 구성 기준입니다. 다른 용량은 아래와 같습니다.

  • 24GB겨우 가능추정 43.1 tok/s (30.2–56.1, 이론 추정 ±30%)IQ4_XS: 쾌적
  • 48GB쾌적추정 50.2 tok/s (40.2–60.2, 보정된 추정 ±20%)(이 페이지 기준)
  • 64GB쾌적추정 50.2 tok/s (40.2–60.2, 보정된 추정 ±20%)

Apple M4 Pro에서 Gemma 4 26B-A4B: 양자화별 판정

등록된 GGUF 파일 4개, 작은 파일부터, 8k 컨텍스트 기준
양자화파일 크기판정속도메모리실행 방식참고
UD-Q2_K_XL10.55GB쾌적
추정 69.1 tok/s55.3–83.0보정된 추정 ±20%
11.3 / 33.6GB통합 메모리—
IQ4_XS13.60GB쾌적
추정 52.9 tok/s42.3–63.5보정된 추정 ±20%
14.3 / 33.6GB통합 메모리—
Q4_K_M기준16.95GB쾌적
추정 50.2 tok/s40.2–60.2보정된 추정 ±20%
17.7 / 33.6GB통합 메모리—
Q8_026.86GB쾌적
추정 43.7 tok/s34.9–52.4보정된 추정 ±20%
27.6 / 33.6GB통합 메모리—

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·KV 캐시·연산 버퍼는 모델이 쓰고, OS 예약은 화면 출력 드라이버가 씁니다.
통합 메모리
가중치
17.0GB
KV 캐시
0.2GB
연산 버퍼
0.6GB
여유
15.9GB
GPU가 못 쓰는 영역
14.4GB

컨텍스트 길이와 KV 캐시

KV 캐시

Q4_K_M 기준으로 컨텍스트 길이와 KV 캐시 종류에 따른 필요 메모리, 판정, 예상 tok/s를 보여 줍니다.
컨텍스트KV f16KV q8_0KV q4_0
4k
17.6GB쾌적
추정 51.2 tok/s41.0–61.5보정된 추정 ±20%
17.5GB쾌적
추정 51.7 tok/s41.4–62.1보정된 추정 ±20%
17.5GB쾌적
추정 52.0 tok/s41.6–62.4보정된 추정 ±20%
8k
17.7GB쾌적
추정 50.2 tok/s40.2–60.2보정된 추정 ±20%
17.6GB쾌적
추정 51.2 tok/s40.9–61.4보정된 추정 ±20%
17.6GB쾌적
추정 51.7 tok/s41.4–62.0보정된 추정 ±20%
16k
17.9GB쾌적
추정 48.2 tok/s38.6–57.9보정된 추정 ±20%
17.8GB쾌적
추정 50.1 tok/s40.1–60.1보정된 추정 ±20%
17.7GB쾌적
추정 51.1 tok/s40.9–61.3보정된 추정 ±20%
32k
18.4GB쾌적
추정 44.8 tok/s35.8–53.7보정된 추정 ±20%
18.1GB쾌적
추정 48.0 tok/s38.4–57.6보정된 추정 ±20%
17.9GB쾌적
추정 49.9 tok/s39.9–59.9보정된 추정 ±20%
64k
19.4GB쾌적
추정 39.1 tok/s31.3–46.9보정된 추정 ±20%
18.8GB쾌적
추정 44.3 tok/s35.4–53.2보정된 추정 ±20%
18.4GB쾌적
추정 47.7 tok/s38.2–57.3보정된 추정 ±20%
128k
21.3GB쾌적
추정 31.2 tok/s25.0–37.4보정된 추정 ±20%
20.1GB쾌적
추정 38.4 tok/s30.7–46.1보정된 추정 ±20%
19.4GB쾌적
추정 43.9 tok/s35.1–52.6보정된 추정 ±20%
256k
25.2GB원활
추정 22.2 tok/s17.8–26.7보정된 추정 ±20%
22.7GB쾌적
추정 30.3 tok/s24.3–36.4보정된 추정 ±20%
21.4GB쾌적
추정 37.8 tok/s30.2–45.3보정된 추정 ±20%

S = 쾌적 · A = 원활 · B = 겨우 가능 · F = 불가

Q4_K_M 기준으로 판정(쾌적)이 유지되는 컨텍스트는 f16 KV 캐시에서 128k, q8_0에서 256k까지입니다.

예상 속도

생성
추정 50.2 tok/s (40.2–60.2, 보정된 추정 ±20%)
프롬프트 처리
약 325 tok/s (195–456, 대략적 추정 ±40%)

이 조합의 벤치마크 결과

이 조합으로 잰 공개 벤치마크 결과는 아직 없습니다. 위 수치는 모두 추정치입니다.

다른 선택지

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.cpp
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.
올라마(Ollama)

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

가이드: 맥 미니·맥북·맥 스튜디오에서 로컬 LLM 돌리기 — M4·M5 통합 메모리는 얼마나 필요할까

Apple M4 Pro에서 다른 모델

다른 하드웨어에서 Gemma 4 26B-A4B

자주 묻는 질문

Apple M4 Pro에서 Gemma 4 26B-A4B 돌릴 수 있나요?

Q4_K_M 파일이 통합 메모리에 올라갑니다. GPU가 쓸 수 있는 33.6GB 중 17.7GB를 씁니다. 판정: 쾌적, 속도: 추정 50.2 tok/s (40.2–60.2, 보정된 추정 ±20%). Q4_K_M에는 8k 컨텍스트 기준 17.7GB가 필요하고, 통합 메모리 중 GPU가 쓸 수 있는 양은 33.6GB입니다.

Apple M4 Pro에서 Gemma 4 26B-A4B 컨텍스트는 얼마까지 쓸 수 있나요?

Q4_K_M 기준으로 판정(쾌적)이 유지되는 컨텍스트는 f16 KV 캐시에서 128k(KV 2.7GB), q8_0 KV 캐시에서 256k(KV 2.9GB)까지입니다. 모델이 지원하는 최대 컨텍스트는 256k입니다.

어떤 양자화 파일을 받아야 하고, 속도는 얼마나 나오나요?

추천 파일은 Q4_K_M(16.95GB)입니다. 판정: 쾌적, 속도: 추정 50.2 tok/s (40.2–60.2, 보정된 추정 ±20%). 같은 판정(쾌적)이 나오는 가장 큰 파일은 Q8_0(26.86GB)이고, 속도는 추정 43.7 tok/s (34.9–52.4, 보정된 추정 ±20%)입니다.

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.