Μπορεί ένας Mac να τρέξει το Gemma 4 E2B;

Ναι, με 8 GB ενοποιημένης μνήμης ή περισσότερα. Το Gemma 4 E2B έχει 5,1B παραμέτρους· εδώ θα δείτε τη μνήμη που χρειάζεται σε κάθε ακρίβεια και πόσο γρήγορα το τρέχει κάθε τσιπ της Apple.

Ενημέρωση

Μνήμη σε 4-bit4,4 GBβάρη 2,9 GB + συμφραζόμενα
Μικρότερος Mac8 GB6-bit · 58 διαμορφώσεις Mac
Ταχύτερος Mac225–400tokens/s · M5 Ultra 96 GB (εκτίμηση)

Μνήμη σε κάθε ακρίβεια

ΈκδοσηΒάρηΜε συμφραζόμεναΜικρότερος Mac
8-bit5,4 GB6,9 GB16 GB
6-bit4,1 GB5,6 GB8 GB
4-bit2,9 GB4,4 GB8 GB
3-bit χαμηλότερη ποιότητα2,2 GB3,7 GB8 GB
2-bit χαμηλότερη ποιότητα1,6 GB3,1 GB8 GB

Πόση RAM χρειάζεται ένα LLM

Σε κάθε τσιπ της Apple

Το μικρότερο μέγεθος μνήμης κάθε τσιπ που τρέχει το Gemma 4 E2B, η καλύτερη έκδοση που χωράει και η ταχύτητα γραφής που μπορείτε να περιμένετε.

ΤσιπΑπαιτείΈκδοσηTokens/s
M616 GB8-bit Τρέχει καλά29–51
M5 Ultra96 GB8-bit Τρέχει καλά225–400
M5 Max36 GB8-bit Τρέχει καλά86–153
M5 Pro24 GB8-bit Τρέχει καλά58–102
M516 GB8-bit Τρέχει καλά29–51
M4 Max36 GB8-bit Τρέχει καλά77–137
M4 Pro24 GB8-bit Τρέχει καλά51–91
M416 GB8-bit Τρέχει καλά23–40
M3 Ultra96 GB8-bit Τρέχει καλά154–273
M3 Max36 GB8-bit Τρέχει καλά56–100
M3 Pro18 GB8-bit Τρέχει καλά28–50
M38 GB6-bit Τρέχει καλά24–42
M2 Ultra64 GB8-bit Τρέχει καλά150–267
M2 Max32 GB8-bit Τρέχει καλά75–133
M2 Pro16 GB8-bit Τρέχει καλά38–67
M28 GB6-bit Τρέχει καλά24–42
M1 Ultra64 GB8-bit Τρέχει καλά150–267
M1 Max32 GB8-bit Τρέχει καλά75–133
M1 Pro16 GB8-bit Τρέχει καλά38–67
M18 GB6-bit Τρέχει καλά16–29

Πώς να το τρέξετε

Στο Terminal με το MLX της Apple:pip install mlx-lmmlx_lm.chat --model mlx-community/gemma-4-e2b-it-4bitBuild: mlx-community/gemma-4-e2b-it-4bit στο Hugging Face. Οι άλλες ακρίβειες βρίσκονται ακριβώς δίπλα.

Βήμα προς βήμα: λήψη και εκτέλεση LLM σε Mac · MLX vs Ollama vs llama.cpp

Προτιμάτε μια εφαρμογή από το Τερματικό; Συγκρίνετε τις εφαρμογές Mac που τρέχουν τοπικά μοντέλα στο AI App Store: τιμή, άδεια και πού πηγαίνουν τα δεδομένα σας.

Σχετικά με το Gemma 4 E2B

ΔημιουργόςGoogle DeepMind
Παράμετροι5,1B (dense)
Συμφραζόμενα128K tokens
ΆδειαApache-2.0
Κυκλοφορία2026-03
ΕίσοδοςΚείμενο και εικόνες
Βάρηgoogle/gemma-4-E2B-it

Ερωτήσεις

Πόση μνήμη χρειάζεται το Gemma 4 E2B;
Περίπου 2,9 GB για τα βάρη σε 4-bit, συν χώρο για τα συμφραζόμενα: 4,4 GB συνολικά. Σε Mac αυτό σημαίνει 8 GB ενοποιημένης μνήμης ή περισσότερα, αφού το macOS αφήνει από προεπιλογή την GPU να χρησιμοποιεί περίπου το 75% της.
Πόσο γρήγορο είναι το Gemma 4 E2B σε Mac;
Η ταχύτητα γραφής εξαρτάται από το εύρος ζώνης μνήμης. Ο ταχύτερος Mac γι’ αυτό εδώ είναι ένας Mac με M5 Ultra και 96 GB, με περίπου 225–400 tokens ανά δευτερόλεπτο (8-bit). Ο μικρότερος Mac που το τρέχει, με 8 GB, φτάνει περίπου τα 24–42 με M3.
Βλάπτει η κβαντοποίηση το Gemma 4 E2B;
Στα 4 bit τα περισσότερα μοντέλα μένουν κοντά στην αρχική ποιότητα· κάτω από τα 4 bit η ποιότητα πέφτει πιο γρήγορα. Επιλέξτε την υψηλότερη ακρίβεια που χωράει στον Mac σας με περιθώριο.

Παρόμοια μοντέλα

Όλα τα μοντέλα · Όλοι οι Mac · Συγκρίνετε τον Mac σας

Για την κάρτα μοντέλου ή το README σας

Runs on a Mac: Gemma 4 E2B Δείχνει τον μικρότερο Mac που τρέχει καλά το Gemma 4 E2B και οδηγεί εδώ.

[![Runs on a Mac](https://mlx.app/badge/run/gemma-4-e2b.svg)](https://mlx.app/run/gemma-4-e2b)

Πώς υπολογίζεται

Μνήμη: οι παράμετροι του μοντέλου σε 8, 6, 4, 3 ή 2 bit ανά βάρος συν τις κλίμακες ομάδων του MLX (μισό bit ανά βάρος), ή στην εγγενή του μορφή, με χώρο για τα συμφραζόμενα από πάνω. Από προεπιλογή το macOS αφήνει την GPU να χρησιμοποιεί περίπου το 75% της ενοποιημένης μνήμης. Ταχύτητα: το εύρος ζώνης μνήμης διαιρεμένο με τα bytes που διαβάζονται ανά token είναι το ανώτατο όριο για μία συνομιλία· στα δημόσια benchmarks Apple Silicon του llama.cpp οι πραγματικές εκτελέσεις φτάνουν περίπου το 45% έως 80% του ορίου, και αυτό το εύρος δείχνουμε. Είναι εκτιμήσεις, όχι μετρήσεις: μετρήστε τον δικό σας Mac στο MLX Bench. Στοιχεία μοντέλων από την επίσημη κάρτα κάθε μοντέλου, στοιχεία τσιπ από τα Τεχνικά χαρακτηριστικά της Apple. Ελέγχθηκε 2026-10-19. Ίδια δεδομένα με το mlx.app/compare.

Ανοιχτά δεδομένα: mlx.app/data (JSON, CSV)