Gemma 4 26B A4B TPS-Rechner

Offene Gewichte Google DeepMind 25.2B Parameter April 2026

Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..

Für dieses Modell berechnet

241 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Xeon Phi 7120P

16 GB · IQ4_XS · 52.5 tok/s

Schnellste Karte

B200

747 tok/s · 180 GB

Welche GPUs können laufen Gemma 4 26B A4B?

Setze die Eingaben, lies die Antwort

Kontextlänge Token

Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..

Minimale Qualität

Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..

Suchkarten

Karten-VRAM

Zeige auch Karten, die es nicht ausführen können.

241 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
747 tok/s 448–1,195 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	26.7 GB	Q8_0	Komfortabel
747 tok/s 448–1,195 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	26.7 GB	Q8_0	Komfortabel
596 tok/s 358–954 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	26.7 GB	Q8_0	Komfortabel
596 tok/s 358–954 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	26.7 GB	Q8_0	Komfortabel
477 tok/s 286–763 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	26.7 GB	Q8_0	Komfortabel
457 tok/s 274–731 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	26.7 GB	Q8_0	Komfortabel
457 tok/s 274–731 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	26.7 GB	Q8_0	Komfortabel
437 tok/s 262–699 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	26.7 GB	Q8_0	Komfortabel
388 tok/s 233–621 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	26.7 GB	Q8_0	Komfortabel
388 tok/s 233–621 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	26.7 GB	Q8_0	Komfortabel
388 tok/s 233–621 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	26.7 GB	Q8_0	Komfortabel
368 tok/s 221–589 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	26.7 GB	Q8_0	Komfortabel
314 tok/s 188–502 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	26.7 GB	Q8_0	Komfortabel
314 tok/s 188–502 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	26.7 GB	Q8_0	Komfortabel
314 tok/s 188–502 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	26.7 GB	Q8_0	Komfortabel
314 tok/s 188–502 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	26.7 GB	Q8_0	Komfortabel
314 tok/s 188–502 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	26.7 GB	Q8_0	Komfortabel
259 tok/s 155–415 · niedrige Vertrauenswürdigkeit	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.5 GB	IQ4_XS	knapp
239 tok/s 143–382 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	26.7 GB	Q8_0	Komfortabel
239 tok/s 143–382 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	26.7 GB	Q8_0	Komfortabel
220 tok/s 132–352 · niedrige Vertrauenswürdigkeit	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.5 GB	IQ4_XS	knapp
206 tok/s 123–329 · niedrige Vertrauenswürdigkeit	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	13.5 GB	IQ4_XS	knapp
206 tok/s 123–329 · niedrige Vertrauenswürdigkeit	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.5 GB	IQ4_XS	knapp
206 tok/s 123–329 · niedrige Vertrauenswürdigkeit	Tesla V100 SXM2 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.5 GB	IQ4_XS	knapp
205 tok/s 123–329 · niedrige Vertrauenswürdigkeit	GeForce RTX 5070 Ti NVIDIA	16 GB	896 GB/s	Feb 2025	13.5 GB	IQ4_XS	knapp

Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation: Google DeepMind
Organisationsart: Industry
Land: United States of America
Veröffentlicht: 2 April 2026

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Aufgabe: Language modeling/generation, Question answering

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Parameter: 25.2B
Trainingsdaten: tokens

Verfügbarkeit

Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.

Gewichte: Open — downloadable
Modellzugang: Open weights (unrestricted)
Training-Code: Unreleased
Hugging Face: google

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Zuletzt aktualisiert: 19 June 2026

Die Extreme

Die zehn schnellsten GPUs, die RUN. Gemma 4 26B A4B

Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..

Die kleinsten GPUs, die immer noch laufen Gemma 4 26B A4B

Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..

Was die Zahlen bedeuten

Was es braucht, um dieses Modell auszuführen

Minimale Karte

Xeon Phi 7120P

Benötigter Speicher

13.5 GB

Schnellste

747 tok/s

Gemma 4 26B A4B erreicht eine Parameteranzahl von 25.2B. Das landet im Bereich, den eine ernsthafte Desktop-KARTE bewältigen kann, sobald die GEWICHTE komprimiert sind. Die Anzahl der KARTE, die wir verfolgen, die es ausführen kann: 241.

Die kleinste Karte, die es hält, ist Xeon Phi 7120P, mit einer MEMORY-KAPAZITÄT von 16 GB, es mit einer Kompression von IQ4_XS und produziert etwa 52.5 Token pro Sekunde

Am anderen Ende sitzt B200, generieren ungefähr 747 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Hintergrund

Gemma 4 26B A4B wurde veröffentlicht von Google DeepMind, im Land aufgezeichnet als United States of America, während April 2026. Die veröffentlichende Organisation ist als industry.

und wird als die Aufgabe von aufgezeichnet language modeling/generation, Question answering.

Da seine Gewichte veröffentlicht wurden, hängt nichts davon ab, es auszuführen, dass ein Anbieter verfügbar bleibt – es gehört dir, sobald es heruntergeladen ist. Es ist unter der Organisation auf Hugging Face veröffentlicht. google.

Die Durchsatzwerte lesen

Über jede Karte, die es ausführen kann, liegt die Mitte der Reihe bei 102.7 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 239 von ihnen

Dies ist ein Mischung-von-Experten-Modell, das jedes Token nur durch einen Teil von sich selbst leitet. Es generiert daher viel schneller, als es seine gesamte Größe vermuten lässt — während es dennoch jeden Parameter im MEMORY benötigt, sodass es schnell ist, ohne billig zu sein, um es zu halten.

Der Speicher hier wird basierend auf der Größe geschätzt, anstatt aus der Architektur berechnet zu werden, die für dieses Modell nicht aufgezeichnet ist — die Zahlen sind eher indikativ als genau.

Schritt für Schritt

Wie wählt man eine GPU für Gemma 4 26B A4B

Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..

01

Beginnen Sie mit der Speicher-Spalte

Beginne mit dem, was es tatsächlich benötigt, nämlich der Anforderung von Gemma 4 26B A4B, benötigt ungefähr 13.5 GB bei einer Kompression von IQ4_XS. Die Kapazität ist das Tor — eine Karte hält es entweder oder sie tut es nicht.
02

Passen Sie den Kontext an Ihre tatsächliche Verwendung an

Setze den Kontext auf das, was du tatsächlich verwenden wirst. Der Cache wächst mit dem Gespräch, und es ist der übliche Grund, warum eine Karte, die anfangs passend schien, nicht mehr passt. Gemma 4 26B A4B.
03

Setze eine Qualitätsuntergrenze

Jede Karte läuft die am wenigsten komprimierte Kopie, die sie halten kann., eine Kompression von IQ4_XS auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
04

Vergleiche TOKENS pro Sekunde, nicht Spezifikationen

Die Geschwindigkeitsreihenfolge ist effektiv eine Reihenfolge nach Speicherbandbreite, für Gemma 4 26B A4B. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist B200, bei 747 tok/s
05

Achte auf den Spielraum, nicht nur auf das Passende.

Tight bedeutet, dass es lädt und ohne Spielraum funktioniert, um den Kontext später zu erhöhen, im Fall von Gemma 4 26B A4B. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
06

Sieh, was diese Karte noch ausführen kann.

Jede Karten-Seite wiederholt diesen Ablauf für jedes Modell, das wir in unserem Bestand haben, und beantwortet, wofür die Hardware darüber hinaus noch gut ist. Gemma 4 26B A4B.

Antworten

Gemma 4 26B A4B — Häufige Fragen

Gemma 4 26B A4B— Kann ich es auf einer GPU mitführen? 16 GB?

Ja. Die GPU-Karte Tesla V100 SXM2 16 GB, halten 16 GB, führt es mit einer Kompression von IQ4_XS, verwenden von etwa 13.5 GB und generieren grob 259 Token pro Sekunde. Der Fit ist eng.

Gemma 4 26B A4B— Kann ich es auf einer GPU mitführen? 24 GB?

Ja. Die GPU-Karte GeForce RTX 5090 D V2, halten 24 GB, führt es mit einer Kompression von Q6_K, verwenden von etwa 20.8 GB und generieren grob 182 Token pro Sekunde. Der Fit ist eng.

Gemma 4 26B A4B— Ist es Open-Source?

Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.

Gemma 4 26B A4B— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 25.2B. 25.2B total, 3.8B active. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.

Gemma 4 26B A4B— Wer hat es erstellt?

Es wurde veröffentlicht von Google DeepMind, basiert auf United States of America, eine als kategorisierte Organisation industry.

Gemma 4 26B A4B— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in April 2026.

Gemma 4 26B A4B— Wofür wird es verwendet?

und wird als Bewältigung der Aufgabe von language modeling/generation, Question answering. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.

Gemma 4 26B A4B— Wo kann ich es herunterladen?

Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation google. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.

Gemma 4 26B A4B— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Es kann zwischen der GPU-Karte und dem Systemspeicher aufgeteilt werden, aber es wird auf diese Weise schmerzhaft langsam erzeugt. Die nächste verpasste Berechnung bleibt hinter 4.2 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Gemma 4 26B A4B— Würden zwei GPUs es schneller ausführen?

Die Kapazität addiert sich über Karten; der Durchsatz nicht. Die Anzahl der Karten, die es bereits eigenständig halten: 241. So eine zweite Karte ist hier selten die Antwort.

Gemma 4 26B A4B— Warum unterscheidet sich die Quantisierung zwischen Karten?

Jede Karte wird mit der am wenigsten komprimierten Kopie angezeigt, die sie halten kann. Die Anzahl der verschiedenen Komprimierungsstufen über die Karten, die sie passen: 4. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Gemma 4 26B A4B— Wie genau sind diese Geschwindigkeitsabschätzungen?

Dies sind Schätzungen mit realen Fehlerbalken, und jede von ihnen könnte vernünftigerweise irgendwo in ihrem veröffentlichten Bereich landen, abhängig davon, welches Runtime Sie verwenden. Das schnellste Ergebnis hier: 448–1,195 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Gemma 4 26B A4B— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Xeon Phi 7120P, mit einer MEMORY-KAPAZITÄT von 16 GB. Es führt das Modell mit einer Kompression von IQ4_XS verwenden von etwa 13.5 GB, und produziert ungefähr 52.5 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 241.

Gemma 4 26B A4B— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 747 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 239.

Gemma 4 26B A4B— Wie viel VRAM benötigt es?

Es benötigt etwa 13.5 GB bei einer Kompression von IQ4_XS, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 19 June 2026

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.

Alle KI-Modelle