Gemma 4 26B A4B TPS-rekenmachine

Open gewichten Google DeepMind 25.2B parameters April 2026

Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..

Bereken voor dit model

241 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Xeon Phi 7120P

16 GB · IQ4_XS · 52.5 tok/s

Snelste kaart

B200

747 tok/s · 180 GB

Welke GPU's kunnen draaien Gemma 4 26B A4B?

Stel de invoer in, lees het antwoord

Contextlengte tokens

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Minimale kwaliteit

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

Zoek kaarten

Kaartgeheugen

Toon ook kaarten die het niet kunnen draaien

241 kaarten passen

Berekenen

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

Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie: Google DeepMind
Organisatietype: Industry
Land: United States of America
Gepubliceerd: 2 April 2026

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Taak: Language modeling/generation, Question answering

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

parameters: 25.2B
Training gegevens: tokens

Beschikbaarheid

Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.

Gewichten: Open — downloadable
Toegang tot model: Open weights (unrestricted)
Training code: Unreleased
Hugging Face: google

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Record vertrouwen: Confident

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Laatst bijgewerkt: 19 June 2026

De extremen

De tien snelste GPU's die draaien Gemma 4 26B A4B

Gerangschikt op geschatte tokens per seconde, nieuwste kaart eerst waar snelheden gelijk zijn. Omdat generatie gebonden is aan geheugensnelheid, volgt deze ordening de snelheid in plaats van een gamebenchmark..

De kleinste GPU's die nog steeds draaien Gemma 4 26B A4B

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

Wat de cijfers betekenen

Wat nodig is om dit model te draaien

Minimum kaart

Xeon Phi 7120P

Geheugen nodig

13.5 GB

Snelste

747 tok/s

Gemma 4 26B A4B bereikt een parameter telling van 25.2B. Dat valt binnen het bereik dat een serieuze desktopkaart kan aansteken zodra de gewichten zijn gecomprimeerd. Het aantal kaarten dat we volgen die het kunnen draaien: 241.

De kleinste kaart die het vasthoudt is Xeon Phi 7120P, met een geheugen capaciteit van 16 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 52.5 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 747 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Achtergrond

Gemma 4 26B A4B werd gepubliceerd door Google DeepMind, in het land geregistreerd als United States of America, tijdens April 2026. De publicerende organisatie is geclassificeerd als industry.

en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering.

Omdat de gewichten zijn vrijgegeven, hangt niets over het uitvoeren ervan af van een leverancier die beschikbaar blijft — het is van jou zodra het is gedownload. Op Hugging Face is het gepubliceerd onder de organisatie google.

Het lezen van de doorvoercijfers

Over elke kaart die het kan draaien, ligt het midden van het bereik op 102.7 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 239 van hen

Dit is een mengsel-van-experts model, dat elk token alleen door een deel van zichzelf leidt. Het genereert daarom veel sneller dan zijn totale grootte suggereert - terwijl het nog steeds elke parameter in VRAM nodig heeft, zodat het snel is zonder goedkoop te zijn om te behouden.

Geheugen hier is geschat op basis van grootte in plaats van berekend vanuit de architectuur, die niet is vastgelegd voor dit model — de cijfers zijn indicatief eerder dan exact.

Stap voor stap

Hoe een GPU te kiezen voor Gemma 4 26B A4B

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

01

Begin vanuit de geheugen kolom

Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van Gemma 4 26B A4B, ongeveer nodig 13.5 GB bij een compressie van IQ4_XS. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Stem de context af op uw werkelijke gebruik

Stel de context in op wat je daadwerkelijk gaat gebruiken. De cache groeit met het gesprek, en het is de gebruikelijke reden dat een CARD die in eerste instantie prima leek, niet meer past. Gemma 4 26B A4B.
03

Stel een kwaliteitsvloer in

Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., bereiken van een compressie van IQ4_XS op de kleinste kaart die past. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
04

Vergelijk tokens per seconde, niet specificaties

De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. Gemma 4 26B A4B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 747 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van Gemma 4 26B A4B. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
06

Zie wat die kaart nog meer draait

Elke kaartpagina herhaalt deze scan voor elk model dat we hebben, en beantwoordt waarvoor de hardware verder goed is naast Gemma 4 26B A4B.

Antwoorden

Gemma 4 26B A4B — veelgestelde vragen

Gemma 4 26B A4B— kan ik het draaien op een GPU met 16 GB?

Ja. De GPU kaart Tesla V100 SXM2 16 GB, houden 16 GB, draait het met een compressie van IQ4_XS, ongeveer 13.5 GB en genereren ongeveer 259 tokens per second. De pasvorm is krap.

Gemma 4 26B A4B— kan ik het draaien op een GPU met 24 GB?

Ja. De GPU kaart GeForce RTX 5090 D V2, houden 24 GB, draait het met een compressie van Q6_K, ongeveer 20.8 GB en genereren ongeveer 182 tokens per second. De pasvorm is krap.

Gemma 4 26B A4B— is het open-source?

De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.

Gemma 4 26B A4B— hoeveel parameters heeft het?

Het heeft een parameter telling van 25.2B. 25.2B total, 3.8B active. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.

Gemma 4 26B A4B— wie heeft het gemaakt?

Het werd gepubliceerd door Google DeepMind, gebaseerd op United States of America, een organisatie geclassificeerd als industry.

Gemma 4 26B A4B— wanneer is het uitgebracht?

Het werd gepubliceerd in April 2026.

Gemma 4 26B A4B— waarvoor wordt het gebruikt?

en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.

Gemma 4 26B A4B— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie google. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

Gemma 4 26B A4B— kan ik het draaien als het niet in mijn GPU past?

Het kan worden opgesplitst tussen de GPU-kaart en systeemgeheugen, maar het genereert op die manier pijnlijk traag. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 4.2 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Gemma 4 26B A4B— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 241. Dus een tweede card is zelden het antwoord hier.

Gemma 4 26B A4B— waarom verschilt de quantisatie tussen kaarten?

Elke kaart wordt weergegeven met de minst-gecomprimeerde kopie die hij kan bevatten. Het aantal verschillende compressieniveaus op de kaarten die het kunnen houden: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Gemma 4 26B A4B— hoe nauwkeurig zijn deze snelheidsschattingen?

Dit zijn schattingen met echte foutmarges, en elk van hen zou redelijkerwijs ergens binnen zijn gepubliceerde bereik kunnen vallen, afhankelijk van welke runtime je gebruikt. Het snelste resultaat hier: 448–1,195 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Gemma 4 26B A4B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Xeon Phi 7120P, met een geheugen capaciteit van 16 GB. Het draait het model op een compressie van IQ4_XS ongeveer 13.5 GB, en produceert ongeveer 52.5 tokens per second. Het aantal kaarten dat het totaal kan draaien: 241.

Gemma 4 26B A4B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 747 tokens per seconde; de langzaamste die het nog steeds draait haalt aanzienlijk minder. De leessnelheid is rond de tien tokens per seconde, en het aantal kaarten dat dat haalt: 239.

Gemma 4 26B A4B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 13.5 GB bij een compressie van IQ4_XS, welke is wat de kleinste card die het draait gebruikt. Minder compressie heeft meer nodig: de cijfers in de memory-kolom hierboven worden opnieuw berekend voor elke card, omdat elke card de minst gecomprimeerde versie kan vasthouden.

Bron

Originele publicatie

Laatste update geregistreerd 19 June 2026

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.

Alle AI-modellen