Gemma 4 E4B 硬件要求

模型信息

参数量: 8B
注意力机制: 滑动窗口注意力
最大上下文: 131,072 个 token
发布日期: 2026-03-02
模型卡: Hugging Face 上的 Gemma 4 E4B

同系列的其他规格

各模型在基准量化、8k 上下文下所需的显存，以及在常见显卡上的判定，按模型从小到大排列
模型	参数量	基准量化	所需显存（8k）	GeForce RTX 4060	GeForce RTX 5060 Ti 16GB	GeForce RTX 3090
Gemma 4 E2B	5.12B	Q4_K_M	2.1 GB	运行流畅	运行流畅	运行流畅
Gemma 4 E4B当前模型	8B	Q4_K_M	3.7 GB	运行流畅	运行流畅	运行流畅
Gemma 4 12B	11.96B	Q4_K_M	7.8 GB	运行良好	运行流畅	运行流畅
Gemma 4 26B-A4B	总计 26.54B · 激活 4B（MoE）	Q4_K_M	17.7 GB	运行良好	运行良好	运行流畅
Gemma 4 31B	31.27B	Q4_K_M	19.5 GB	运行较慢	运行较慢	运行流畅

GGUF 文件

收录的 Gemma 4 E4B 量化文件，从小到大排列
量化	文件大小	质量	发布者
UD-Q2_K_XL	3.76 GB	损失严重	社区 GGUF · unsloth
IQ4_XS	4.72 GB	均衡	社区 GGUF · unsloth
Q4_K_M基准	4.98 GB	均衡	社区 GGUF · unsloth
Q8_0	8.19 GB	近乎无损	社区 GGUF · unsloth

文件大小不包括图像输入所需的视觉投影器（mmproj）。

部分仓库只发布 Unsloth Dynamic（UD）版本，大小以你实际下载的文件为准。

不同量化和上下文所需的显存

显存（GB）：载入 GPU 的权重 + f16 KV 缓存 + 计算缓冲区。如果在 Windows 上这块显卡还负责显示输出，再加约 0.6 GB。文件的一部分不会放到显卡上：llama.cpp 把输入嵌入表保留在系统内存中。Mac 按整个文件计算，所以需要的内存稍多一些。
量化	4k	8k	16k	32k	64k	128k
UD-Q2_K_XL	2.8	2.9	3.1	3.5	4.3	6.0
IQ4_XS	3.4	3.5	3.7	4.1	4.9	6.6
Q4_K_M	3.6	3.7	3.9	4.4	5.2	6.9
Q8_0	5.8	5.9	6.1	6.5	7.4	9.0

哪些 GPU 能跑 Gemma 4 E4B？

判定说明

运行流畅: 全部载入显卡，且达到 20 tok/s 及以上
运行良好: 全部载入显卡且为 8–20 tok/s；MoE 专家放在系统内存且达到 20 tok/s 及以上；或至少 90% 载入显卡且达到 8 tok/s 及以上
运行较慢: 2–8 tok/s；纯 CPU；载入显卡不足 90%；或 MoE 专家放在系统内存且低于 20 tok/s
无法运行: 内存装不下，或低于 2 tok/s

排序

在计算器中按预算、类型和上下文筛选这份列表

左右滑动可查看所有列。

56 款 GPU、Mac 和 CPU 配置，基于 Q4_K_M 量化、8k 上下文，按判定和速度排序
硬件	判定	速度	量化	显存/内存	运行方式	上下文	备注	价格
GeForce RTX 5090	运行流畅	234.0 tok/s8k 估算 257.7 tok/s（180.4–335.0，理论估算 ±30%）实测（1 次，512 上下文）	Q4_K_M	4.3 / 32.0 GB	全部载入显卡	最长 128k	—	市场价 US$4,200（截至 2026-08-09）
GeForce RTX 3090 Ti	运行流畅	估算 171.0 tok/s119.7–222.3理论估算 ±30%	Q4_K_M	4.3 / 24.0 GB	全部载入显卡	最长 128k	—	首发价 US$1,999
GeForce RTX 4090	运行流畅	估算 171.0 tok/s119.7–222.3理论估算 ±30%	Q4_K_M	4.3 / 24.0 GB	全部载入显卡	最长 128k	—	市场价 US$2,755（截至 2026-08-09）
GeForce RTX 5080	运行流畅	估算 164.6 tok/s115.3–214.0理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	市场价 US$1,256（截至 2026-08-09）
Radeon RX 7900 XTX	运行流畅	估算 163.9 tok/s114.7–213.1理论估算 ±30%	Q4_K_M	4.3 / 24.0 GB	全部载入显卡	最长 128k	—	首发价 US$999
GeForce RTX 3090	运行流畅	估算 161.4 tok/s113.0–209.9理论估算 ±30%	Q4_K_M	4.3 / 24.0 GB	全部载入显卡	最长 128k	—	市场价 US$1,050（截至 2026-08-09）
Apple M5 Ultra · 96 GB	运行流畅	估算 159.1 tok/s111.4–206.8理论估算 ±30%	Q4_K_M	5.7 / 67.2 GB	统一内存	最长 128k	—	—
GeForce RTX 3080 12GB	运行流畅	估算 158.2 tok/s110.7–205.6理论估算 ±30%	Q4_K_M	4.3 / 12.0 GB	全部载入显卡	最长 128k	—	首发价 US$799
GeForce RTX 5070 Ti	运行流畅	估算 156.0 tok/s109.2–202.8理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	市场价 US$949（截至 2026-08-09）
GeForce RTX 5080 Laptop	运行流畅	估算 156.0 tok/s109.2–202.8理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	—
GeForce RTX 5090 Laptop	运行流畅	估算 156.0 tok/s109.2–202.8理论估算 ±30%	Q4_K_M	4.3 / 24.0 GB	全部载入显卡	最长 128k	—	—
Radeon RX 7900 XT	运行流畅	估算 143.5 tok/s100.4–186.5理论估算 ±30%	Q4_K_M	4.3 / 20.0 GB	全部载入显卡	最长 128k	—	首发价 US$899
GeForce RTX 3080 10GB	运行流畅	估算 136.7 tok/s95.7–177.7理论估算 ±30%	Q4_K_M	4.3 / 10.0 GB	全部载入显卡	最长 128k	—	首发价 US$699
GeForce RTX 4080 Super	运行流畅	估算 133.1 tok/s93.2–173.1理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	首发价 US$999
GeForce RTX 4080	运行流畅	估算 130.3 tok/s91.2–169.4理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	首发价 US$1,199
GeForce RTX 4070 Ti Super	运行流畅	估算 123.5 tok/s86.4–160.5理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	首发价 US$799
GeForce RTX 5070	运行流畅	估算 123.5 tok/s86.4–160.5理论估算 ±30%	Q4_K_M	4.3 / 12.0 GB	全部载入显卡	最长 128k	—	市场价 US$629（截至 2026-08-09）
GeForce RTX 5070 Ti Laptop	运行流畅	估算 123.5 tok/s86.4–160.5理论估算 ±30%	Q4_K_M	4.3 / 12.0 GB	全部载入显卡	最长 128k	—	—
Radeon RX 9070	运行流畅	估算 121.6 tok/s85.1–158.0理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	市场价 US$639（截至 2026-08-09）
Radeon RX 9070 XT	运行流畅	估算 121.6 tok/s85.1–158.0理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	市场价 US$689（截至 2026-08-09）
Radeon RX 7800 XT	运行流畅	估算 118.4 tok/s82.9–154.0理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	首发价 US$499
Apple M3 Ultra · 96 GB	运行流畅	估算 117.0 tok/s81.9–152.1理论估算 ±30%	Q4_K_M	5.7 / 67.2 GB	统一内存	最长 128k	—	—
Apple M5 Max (40-core GPU) · 48 GB	运行流畅	估算 116.9 tok/s81.8–152.0理论估算 ±30%	Q4_K_M	5.7 / 33.6 GB	统一内存	最长 128k	—	—
Apple M2 Ultra · 64 GB	运行流畅	估算 114.8 tok/s80.4–149.2理论估算 ±30%	Q4_K_M	5.7 / 44.8 GB	统一内存	最长 128k	—	—
GeForce RTX 2080 Ti	运行流畅	估算 114.8 tok/s80.4–149.2理论估算 ±30%	Q4_K_M	4.3 / 11.0 GB	全部载入显卡	最长 128k	—	首发价 US$999
GeForce RTX 4090 Laptop	运行流畅	估算 108.4 tok/s75.9–141.0理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	—
Apple M4 Max (40-core GPU) · 48 GB	运行流畅	估算 106.4 tok/s74.5–138.3理论估算 ±30%	Q4_K_M	5.7 / 33.6 GB	统一内存	最长 128k	—	—
GeForce RTX 4070	运行流畅	估算 96.6 tok/s67.7–125.6理论估算 ±30%	Q4_K_M	4.3 / 12.0 GB	全部载入显卡	最长 128k	—	首发价 US$599
GeForce RTX 4070 Super	运行流畅	估算 96.6 tok/s67.7–125.6理论估算 ±30%	Q4_K_M	4.3 / 12.0 GB	全部载入显卡	最长 128k	—	首发价 US$599
GeForce GTX 1080 Ti	运行流畅	估算 93.3 tok/s65.3–121.3理论估算 ±30%	Q4_K_M	4.3 / 11.0 GB	全部载入显卡	最长 128k	—	首发价 US$699
Apple M5 Max (32-core GPU) · 36 GB	运行流畅	估算 92.3 tok/s64.6–120.0理论估算 ±30%	Q4_K_M	5.7 / 25.2 GB	统一内存	最长 128k	—	—
GeForce RTX 3070	运行流畅	估算 87.2 tok/s61.0–113.3理论估算 ±30%	Q4_K_M	4.3 / 8.0 GB	全部载入显卡	最长 128k	—	首发价 US$499
GeForce RTX 5060	运行流畅	估算 87.2 tok/s61.0–113.3理论估算 ±30%	Q4_K_M	4.3 / 8.0 GB	全部载入显卡	最长 128k	—	市场价 US$339（截至 2026-08-09）
GeForce RTX 5060 Ti 16GB	运行流畅	估算 87.2 tok/s61.0–113.3理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	市场价 US$569（截至 2026-08-09）
GeForce RTX 5060 Ti 8GB	运行流畅	估算 87.2 tok/s61.0–113.3理论估算 ±30%	Q4_K_M	4.3 / 8.0 GB	全部载入显卡	最长 128k	—	市场价 US$429（截至 2026-08-09）
GeForce RTX 4080 Laptop	运行流畅	估算 84.4 tok/s59.1–109.7理论估算 ±30%	Q4_K_M	4.3 / 12.0 GB	全部载入显卡	最长 128k	—	—
Apple M4 Max (32-core GPU) · 36 GB	运行流畅	估算 83.8 tok/s58.6–108.9理论估算 ±30%	Q4_K_M	5.7 / 25.2 GB	统一内存	最长 128k	—	—
Intel Arc B580	运行流畅	估算 73.8 tok/s51.7–96.0理论估算 ±30%	Q4_K_M	4.3 / 12.0 GB	全部载入显卡	最长 128k	—	市场价 US$290（截至 2026-08-09）
GeForce RTX 3060 12GB	运行流畅	估算 71.7 tok/s50.2–93.2理论估算 ±30%	Q4_K_M	4.3 / 12.0 GB	全部载入显卡	最长 128k	—	市场价 US$250（截至 2026-08-09）
Radeon RX 9060 XT 16GB	运行流畅	估算 67.9 tok/s47.6–88.3理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	市场价 US$449（截至 2026-08-09）
Apple M5 Pro · 24 GB	运行流畅	估算 65.1 tok/s45.6–84.7理论估算 ±30%	Q4_K_M	5.7 / 16.8 GB	统一内存	最长 128k	—	—
NVIDIA DGX Spark · 64 GB	运行流畅	估算 61.5 tok/s43.1–80.0理论估算 ±30%	Q4_K_M	5.7 / 48.2 GB	统一内存	最长 128k	—	首发价 US$3,999（128 GB）
Ryzen AI Max+ 395 (Strix Halo) · 32 GB	运行流畅	估算 59.3 tok/s41.5–77.1理论估算 ±30%	Q4_K_M	5.7 / 22.4 GB	统一内存	最长 128k	—	首发价 US$1,999（128 GB）
Apple M4 Pro · 24 GB	运行流畅	估算 58.7 tok/s41.1–76.3理论估算 ±30%	Q4_K_M	5.7 / 16.8 GB	统一内存	最长 128k	—	—
GeForce RTX 4060 Ti 16GB	运行流畅	估算 58.5 tok/s40.9–76.0理论估算 ±30%	Q4_K_M	4.3 / 16.0 GB	全部载入显卡	最长 128k	—	首发价 US$499
GeForce RTX 4060 Ti 8GB	运行流畅	估算 58.5 tok/s40.9–76.0理论估算 ±30%	Q4_K_M	4.3 / 8.0 GB	全部载入显卡	最长 128k	—	首发价 US$399
GeForce RTX 4060	运行流畅	估算 55.5 tok/s38.8–72.1理论估算 ±30%	Q4_K_M	4.3 / 8.0 GB	全部载入显卡	最长 128k	—	首发价 US$299
GeForce RTX 4060 Laptop	运行流畅	估算 52.5 tok/s36.7–68.2理论估算 ±30%	Q4_K_M	4.3 / 8.0 GB	全部载入显卡	最长 128k	—	—
GeForce RTX 4070 Laptop	运行流畅	估算 52.5 tok/s36.7–68.2理论估算 ±30%	Q4_K_M	4.3 / 8.0 GB	全部载入显卡	最长 128k	—	—
GeForce RTX 3050 8GB	运行流畅	估算 46.3 tok/s32.4–60.2理论估算 ±30%	Q4_K_M	4.3 / 8.0 GB	全部载入显卡	最长 64k	—	首发价 US$249
Apple M5 · 16 GB	运行流畅	估算 34.6 tok/s24.2–44.9理论估算 ±30%	Q4_K_M	5.7 / 11.2 GB	统一内存	最长 32k	—	—
Apple M6 · 16 GB	运行流畅	估算 34.6 tok/s24.2–44.9理论估算 ±30%	Q4_K_M	5.7 / 11.2 GB	统一内存	最长 32k	—	—
Apple M4 · 16 GB	运行良好	估算 27.4 tok/s19.1–35.6理论估算 ±30%	Q4_K_M	5.7 / 11.2 GB	统一内存	最长 128k	UD-Q2_K_XL（质量损失大）：运行流畅	—
DDR5-6000 双通道 CPU · 16 GB	运行较慢	估算 15.1 tok/s10.6–19.7理论估算 ±30%	Q4_K_M	5.1 GB 内存	纯 CPU	最长 128k	CPU 推理：最高只能判为“运行较慢”	—
DDR5-5600 双通道 CPU · 16 GB	运行较慢	估算 14.1 tok/s9.9–18.3理论估算 ±30%	Q4_K_M	5.1 GB 内存	纯 CPU	最长 128k	CPU 推理：最高只能判为“运行较慢”	—
DDR4-3200 双通道 CPU · 16 GB	运行较慢	估算 8.1 tok/s5.6–10.5理论估算 ±30%	Q4_K_M	5.1 GB 内存	纯 CPU	最长 128k	—	—

带思考模式的模型会额外花 token 来思考，所以速度门槛按 1.5 倍从严设定（30 / 12 / 3 tok/s）。关闭思考模式后，判定可能会高一级。

能运行它的最便宜 GPU

运行流畅GeForce RTX 3060 12GB市场价 US$250（截至 2026-08-09），估算 71.7 tok/s（50.2–93.2，理论估算 ±30%）。

Gemma 4 E4B 的实测结果

我们用于校准的公开基准测试。它们的测试条件（上下文、后端、运行参数）可能与上方的估算不同。

Gemma 4 E4B 的实测结果
硬件	量化	后端	上下文	提示词处理（tok/s）	生成（tok/s）	运行参数	来源	测量日期
GeForce RTX 5090	Q4_K_M	llama.cpp	512	—	234.0	Vulkan	github.com	2026-09-08
NVIDIA GeForce RTX 4070 Ti 12GB (Ryzen 9 7950X3D)	Q8_0	llama.cpp	512	6,757.0	69.7	—	alfonsofortunato.com	2026-04-04

常见问题

Gemma 4 E4B 需要多少显存？

Q4_K_M 文件为 4.98 GB；在 8k 上下文下，显卡约需 3.7 GB（权重 3.03 GB、KV 缓存 0.1 GB、计算缓冲区 0.6 GB）。已收录的最小文件（UD-Q2_K_XL（质量损失大））约需 2.9 GB。文件的一部分不会放到显卡上：llama.cpp 把输入嵌入表保留在系统内存中。Mac 按整个文件计算，所以需要的内存稍多一些。

能让 Gemma 4 E4B 运行良好的最便宜 GPU 是哪款？

运行流畅的最便宜选择：GeForce RTX 3060 12GB，US$250（2026-08-09 市场价），估算 71.7 tok/s（50.2–93.2，理论估算 ±30%）。

Gemma 4 E4B 能在 8 GB、16 GB 或 24 GB 的 GPU 上运行吗？

Q4_K_M、8k 上下文下：GeForce RTX 4060：运行流畅，估算 55.5 tok/s（38.8–72.1，理论估算 ±30%）; GeForce RTX 5060 Ti 16GB：运行流畅，估算 87.2 tok/s（61.0–113.3，理论估算 ±30%）; GeForce RTX 3090：运行流畅，估算 161.4 tok/s（113.0–209.9，理论估算 ±30%）。

速度是根据内存带宽得出的估算值，并用公开基准测试结果校准，每个数值都附有误差范围和可信度标签。实际结果会因驱动、后端、上下文长度和散热情况而有所不同。