Gemma 4 26B A4B kalkulator TPS

Otwórz wagi Google DeepMind 25.2B parametry April 2026

Każda karta poniżej jest oceniana w stosunku do tego modelu przy wybranej długości kontekstu i minimalnej jakości. Prędkość jest oszacowaniem dla pojedynczego żądania, obliczonym na podstawie przepustowości pamięci karty i rozmiaru modelu po skompresowaniu..

Obliczone dla tego modelu

241 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Xeon Phi 7120P

16 GB · IQ4_XS · 52.5 tok/s

Najszybsza karta

B200

747 tok/s · 180 GB

Które GPU mogą uruchomić Gemma 4 26B A4B?

Ustaw wejścia, odczytaj odpowiedź.

Długość kontekstu tokeny

Dłuższa rozmowa wymaga więcej MEMORY, co może spowodować, że ten model nie zmieści się na mniejszych CARD..

Minimalna jakość

Ukrywa karty, które zmieściłyby się w modelu tylko przez skompresowanie go poniżej tego punktu..

Szukaj kart

Pamięć karty

Pokaż również karty, które nie mogą tego uruchomić.

241 karty pasują

Obliczanie

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

Prędkości są szacunkami dla pojedynczego zapytania — jednej konwersacji na raz — obliczonymi na podstawie przepustowości pamięci, rozmiaru MODELu i kwantyzacji. Rzeczywista przepustowość różni się w zależności od czasu uruchamiania inference i jego wersji. Wartości publikowane przez dostawców sprzętu mierzą wiele jednoczesnych zapytań i są znacznie wyższe..

Na nagranie

Pełna specyfikacja

Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..

Pochodzenie

Kto zbudował ten model, gdzie i kiedy został opublikowany.

Organizacja: Google DeepMind
Typ organizacji: Industry
Kraj: United States of America
Opublikowany: 2 April 2026

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Zadanie: Language modeling/generation, Question answering

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry: 25.2B
Dane treningowe: tokens

Dostępność

Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.

Wagi: Open — downloadable
Dostęp do modelu: Open weights (unrestricted)
Kod treningowy: Unreleased
Hugging Face: google

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Ostatnio zaktualizowane: 19 June 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Gemma 4 26B A4B

Uszeregowany według szacowanej liczby tokenów na sekundę, najnowsza karta na pierwszym miejscu, gdy prędkości są równe. Ponieważ generacja jest ograniczona przez pamięć, to uporządkowanie podąża za przepustowością, a nie za jakimkolwiek benchmarkiem gier..

Najmniejsze GPU, które nadal działają Gemma 4 26B A4B

Najtańsza droga do, według pojemności pamięci. Tight fit uruchamia model, ale nie zostawia nic na dłuższą rozmowę..

Co oznaczają liczby

Co jest potrzebne, aby uruchomić ten model

Minimalna karta

Xeon Phi 7120P

Pamięć potrzebna

13.5 GB

Najszybszy

747 tok/s

Gemma 4 26B A4B osiąga liczbę parametrów równą 25.2B. To ląduje w zakresie, który może obsłużyć poważna karta stacjonarna, gdy wagi są skompresowane. Liczba kart, które śledzimy, które mogą to uruchomić: 241.

Najmniejsza karta, która to utrzymuje, to Xeon Phi 7120P, o pojemności pamięci 16 GB, uruchomienie go przy kompresji IQ4_XS i produkując około 52.5 tokeny na sekundę

Na drugim końcu siedzi B200, generowanie w przybliżeniu 747 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Tło

Gemma 4 26B A4B został opublikowany przez Google DeepMind, w kraju zapisanym jako United States of America, podczas April 2026. Organizacja publikująca jest klasyfikowana jako industry.

i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering.

Ponieważ jego wagi zostały udostępnione, nic w kwestii uruchamiania go nie zależy od dostępności dostawcy — należy do ciebie po pobraniu. Na Hugging Face jest opublikowane pod organizacją google.

Czytanie wskaźników przepustowości

Na każdej karcie, która może go uruchomić, środek zakresu plasuje się w 102.7 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 239 ich

To jest model mieszanki ekspertów, który kieruje każdy token tylko przez część siebie. Generuje więc znacznie szybciej, niż sugeruje jego całkowity rozmiar — jednocześnie potrzebując każdego parametru w pamięci, dzięki czemu jest szybki, nie będąc tanim w utrzymaniu.

Pamięć tutaj jest szacowana na podstawie rozmiaru, a nie obliczana z architektury, która nie jest zarejestrowana dla tego modelu — liczby są wskazujące, a nie dokładne.

Krok po kroku

Jak wybrać GPU do Gemma 4 26B A4B

Tabela powyżej oceniła już każdą kartę, dla której posiadamy specyfikacje, w stosunku do tego modelu. Dotarcie do odpowiedzi wymaga sześciu kroków..

01

Zacznij od kolumny pamięci

Zacznij od tego, co tak naprawdę jest potrzebne, czyli wymogu Gemma 4 26B A4B, potrzebując około 13.5 GB przy kompresji IQ4_XS. Pojemność to brama — karta albo ją trzyma, albo nie.
02

Dopasuj kontekst do swojego rzeczywistego użycia

Ustaw kontekst na to, co naprawdę użyjesz. Cache rośnie wraz z rozmową i jest to zwykle powód, dla którego karta, która wydawała się w porządku, przestaje pasować. Gemma 4 26B A4B.
03

Ustal minimalną jakość

Każda KARTA uruchamia najmniej skompresowaną kopię, jaką może pomieścić., osiągnięcie kompresji IQ4_XS na najmniejszej karcie, która się mieści. Ustalenie minimalnej jakości odrzuca karty, które tylko ją osiągają, uciskając bardziej niż byś chciał, i utrzymuje porównanie na jednym poziomie.
04

Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla Gemma 4 26B A4B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 747 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Tight oznacza, że ładowanie i działanie odbywa się bez miejsca na późniejsze zwiększenie długości kontekstu, w przypadku Gemma 4 26B A4B. Wygodne oznacza, że możesz później zwiększyć kontekst. Ta różnica ma większe znaczenie niż kilka tokenów na sekundę, więc kupuj za wygodne, jeśli tego oczekujesz.
06

Zobacz, co jeszcze ta karta uruchamia

Każda strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza Gemma 4 26B A4B.

Odpowiedzi

Gemma 4 26B A4B — częste pytania

Gemma 4 26B A4B— czy mogę uruchomić to na GPU trzymając 16 GB?

Tak. Karta Tesla V100 SXM2 16 GB, trzymanie 16 GB, uruchamia go przy kompresji IQ4_XS, używając około 13.5 GB i generując w przybliżeniu 259 tokenów na sekundę. Dopasowanie jest ciasne.

Gemma 4 26B A4B— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q6_K, używając około 20.8 GB i generując w przybliżeniu 182 tokenów na sekundę. Dopasowanie jest ciasne.

Gemma 4 26B A4B— czy jest open weight?

Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.

Gemma 4 26B A4B— ile ma parametrów?

Ma liczbę parametrów równą 25.2B. 25.2B total, 3.8B active. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.

Gemma 4 26B A4B— kto to stworzył?

Zostało opublikowane przez Google DeepMind, oparty na United States of America, organizacja sklasyfikowana jako industry.

Gemma 4 26B A4B— kiedy to zostało wydane?

Zostało opublikowane w April 2026.

Gemma 4 26B A4B— do czego to służy?

i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

Gemma 4 26B A4B— Gdzie mogę to pobrać?

Jego wagi są publikowane na Hugging Face, pod organizacją google. Nie hostujemy plików modelu — ta strona oblicza, jaki sprzęt jest potrzebny do ich uruchomienia.

Gemma 4 26B A4B— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Można go podzielić między kartą a pamięcią systemową, ale w ten sposób generuje się boleśnie powoli. Najbliższy brak, który obliczamy, jest za mały o 4.2 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Gemma 4 26B A4B— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 241. Więc druga karta rzadko jest odpowiedzią tutaj.

Gemma 4 26B A4B— dlaczego kwantyzacja różni się między kartami?

Każda KARTA jest przedstawiana z uruchomioną najmniej skompresowaną wersją, jaką może pomieścić. Liczba odmiennych poziomów kompresji w KARTACH, które mogą go pomieścić: 4. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Gemma 4 26B A4B— Jak dokładne są te szacunki prędkości?

To są szacunki z rzeczywistymi marginesami błędu, a każdy z nich mógłby rozsądnie wypaść gdziekolwiek w swoim opublikowanym zakresie w zależności od używanego uruchomienia. Najszybszy wynik tutaj: 448–1,195 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Gemma 4 26B A4B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Xeon Phi 7120P, o pojemności pamięci 16 GB. Uruchamia model przy kompresji IQ4_XS używając około 13.5 GB, i produkuje w przybliżeniu 52.5 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 241.

Gemma 4 26B A4B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 747 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 239.

Gemma 4 26B A4B— Ile VRAM-u potrzebuje?

Potrzebuje około 13.5 GB przy kompresji IQ4_XS, który jest najmniejszą kartą, która to uruchamia. Mniej kompresji potrzebuje więcej: liczby w kolumnie pamięci powyżej są przeliczane dla każdej karty, ponieważ każda z nich trzyma wersję o najmniejszej kompresji, jaką może.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 19 June 2026

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.

Wszystkie modele AI