Memori pada setiap kepersisan
| Versi | Pemberat | Dengan konteks | Mac terkecil |
|---|---|---|---|
| 8-bit | 5.4 GB | 6.9 GB | 16 GB |
| 6-bit | 4.1 GB | 5.6 GB | 8 GB |
| 4-bit | 2.9 GB | 4.4 GB | 8 GB |
| 3-bit kualiti lebih rendah | 2.2 GB | 3.7 GB | 8 GB |
| 2-bit kualiti lebih rendah | 1.6 GB | 3.1 GB | 8 GB |
Pada setiap cip Apple
Saiz memori terkecil setiap cip yang menjalankan Gemma 4 E2B, versi terbaik yang muat, dan kelajuan menulis yang boleh anda jangkakan.
| Cip | Perlu | Versi | Token/s |
|---|---|---|---|
| M6 | 16 GB | 8-bit Berjalan baik | 29–51 |
| M5 Ultra | 96 GB | 8-bit Berjalan baik | 225–400 |
| M5 Max | 36 GB | 8-bit Berjalan baik | 86–153 |
| M5 Pro | 24 GB | 8-bit Berjalan baik | 58–102 |
| M5 | 16 GB | 8-bit Berjalan baik | 29–51 |
| M4 Max | 36 GB | 8-bit Berjalan baik | 77–137 |
| M4 Pro | 24 GB | 8-bit Berjalan baik | 51–91 |
| M4 | 16 GB | 8-bit Berjalan baik | 23–40 |
| M3 Ultra | 96 GB | 8-bit Berjalan baik | 154–273 |
| M3 Max | 36 GB | 8-bit Berjalan baik | 56–100 |
| M3 Pro | 18 GB | 8-bit Berjalan baik | 28–50 |
| M3 | 8 GB | 6-bit Berjalan baik | 24–42 |
| M2 Ultra | 64 GB | 8-bit Berjalan baik | 150–267 |
| M2 Max | 32 GB | 8-bit Berjalan baik | 75–133 |
| M2 Pro | 16 GB | 8-bit Berjalan baik | 38–67 |
| M2 | 8 GB | 6-bit Berjalan baik | 24–42 |
| M1 Ultra | 64 GB | 8-bit Berjalan baik | 150–267 |
| M1 Max | 32 GB | 8-bit Berjalan baik | 75–133 |
| M1 Pro | 16 GB | 8-bit Berjalan baik | 38–67 |
| M1 | 8 GB | 6-bit Berjalan baik | 16–29 |
Cara menjalankannya
- Cara mudah: muat turun MLX Harness, percuma dan sumber terbuka. Cari Gemma 4 E2B, muat turun versi yang sesuai dengan Mac anda, dan mula bersembang. Ia juga menyediakan model kepada aplikasi anda yang lain melalui API yang serasi dengan OpenAI.Muat turun MLX HarnessPercuma · Apple Silicon · macOS 14.5 atau lebih baharu
- Dalam Terminal dengan MLX daripada Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/gemma-4-e2b-it-4bitBinaan: mlx-community/gemma-4-e2b-it-4bit di Hugging Face. Kepersisan lain ada di sebelahnya.
Langkah demi langkah: muat turun dan jalankan LLM pada Mac · cara menggunakan MLX Harness · MLX vs Ollama vs llama.cpp
Tentang Gemma 4 E2B
| Dibuat oleh | Google DeepMind |
|---|---|
| Parameter | 5.1B (padat) |
| Konteks | 128K token |
| Lesen | Apache-2.0 |
| Dikeluarkan | 2026-03 |
| Input | Teks dan imej |
| Pemberat | google/gemma-4-E2B-it |
Soalan
- Berapakah memori yang diperlukan oleh Gemma 4 E2B?
- Kira-kira 2.9 GB pemberat pada 4-bit, serta ruang untuk konteks: 4.4 GB kesemuanya. Pada Mac, ini bermakna 8 GB memori bersatu atau lebih, kerana secara lalai macOS membenarkan GPU menggunakan kira-kira 75% daripadanya.
- Sepantas mana Gemma 4 E2B pada Mac?
- Kelajuan menulis bergantung pada lebar jalur memori. Mac terpantas untuknya di sini ialah M5 Ultra dengan 96 GB, kira-kira 225–400 token sesaat (8-bit). Mac terkecil yang menjalankannya, dengan 8 GB, mencapai kira-kira 24–42 pada M3.
- Adakah pengkuantuman menjejaskan Gemma 4 E2B?
- Pada 4 bit, kebanyakan model kekal hampir dengan kualiti asal; di bawah 4 bit kualiti menurun lebih cepat. Pilih kepersisan tertinggi yang muat dalam Mac anda dengan ruang lebihan.
Model serupa
Untuk kad model atau README anda
Menunjukkan Mac terkecil yang menjalankan Gemma 4 E2B dengan baik dan memaut ke sini.
[](https://mlx.app/run/gemma-4-e2b)Cara ia dikira
Memori: parameter model pada 8, 6, 4, 3 atau 2 bit setiap pemberat serta skala kumpulan MLX (setengah bit setiap pemberat), atau format aslinya, dengan ruang untuk konteks di atasnya. Secara lalai macOS membenarkan GPU menggunakan kira-kira 75% memori bersatu. Kelajuan: lebar jalur memori dibahagikan dengan bait yang dibaca bagi setiap token ialah had atas untuk satu perbualan; dalam penanda aras Apple Silicon awam llama.cpp, larian sebenar mencapai kira-kira 45% hingga 80% daripadanya, dan julat itulah yang ditunjukkan. Ini anggaran, bukan ukuran: ukur Mac anda sendiri di MLX Bench. Angka model daripada kad model rasmi setiap model, angka cip daripada Spesifikasi Teknikal Apple. Disemak 2026-10-19. Data yang sama seperti mlx.app/compare.