Сколько памяти нужно модели Gemma 4 26B A4B?

Около 14,2 ГБ на веса (4 бит) плюс место для контекста: всего 15,7 ГБ. На Mac это значит 24 ГБ объединенной памяти или больше, ведь по умолчанию macOS отдает GPU около 75% памяти.

Насколько быстро Gemma 4 26B A4B работает на Mac?

Скорость генерации зависит от пропускной способности памяти. Самый быстрый Mac для нее здесь — M5 Ultra с 96 ГБ: около 135–240 токенов в секунду (8 бит). Минимальный Mac, который ее запускает, — M5 Pro с 24 ГБ — выдает около 66–117.

Почему Gemma 4 26B A4B работает быстрее, чем можно ожидать по размеру?

Это модель mixture-of-experts: она держит в памяти 25,2B параметров, но на каждый токен читает только 3,8B, поэтому пишет со скоростью гораздо меньшей модели.

Запустится ли Gemma 4 26B A4B на Mac? Память, скорость

Память при каждой точности

Версия	Веса	С контекстом	Минимальный Mac
8 бит	26,8 ГБ	28,9 ГБ	48 ГБ
6 бит	20,5 ГБ	22,1 ГБ	32 ГБ
4 бит	14,2 ГБ	15,7 ГБ	24 ГБ
3 бит ниже качество	11 ГБ	12,5 ГБ	18 ГБ
2 бит ниже качество	7,9 ГБ	9,4 ГБ	16 ГБ

На каждом чипе Apple

Минимальный объем памяти каждого чипа, на котором запускается Gemma 4 26B A4B, лучшая версия, которая помещается, и ожидаемая скорость генерации.

Чип	Нужно	Версия	Токенов/с
M6	24 ГБ	4 бит Работает хорошо	36–65
M5 Ultra	96 ГБ	8 бит Работает хорошо	135–240
M5 Max	36 ГБ	6 бит Работает хорошо	67–119
M5 Pro	24 ГБ	4 бит Работает хорошо	66–117
M5	24 ГБ	4 бит Работает хорошо	33–58
M4 Max	36 ГБ	6 бит Работает хорошо	60–106
M4 Pro	24 ГБ	4 бит Работает хорошо	59–104
M4	24 ГБ	4 бит Работает хорошо	26–46
M3 Ultra	96 ГБ	8 бит Работает хорошо	92–164
M3 Max	36 ГБ	6 бит Работает хорошо	44–77
M3 Pro	36 ГБ	6 бит Работает хорошо	22–39
M3	24 ГБ	4 бит Работает хорошо	21–38
M2 Ultra	64 ГБ	8 бит Работает хорошо	90–160
M2 Max	32 ГБ	6 бит Работает хорошо	58–103
M2 Pro	32 ГБ	6 бит Работает хорошо	29–52
M2	24 ГБ	4 бит Работает хорошо	21–38
M1 Ultra	64 ГБ	8 бит Работает хорошо	90–160
M1 Max	32 ГБ	6 бит Работает хорошо	58–103
M1 Pro	32 ГБ	6 бит Работает хорошо	29–52
M1	16 ГБ	2 бит Работает хорошо	26–45

Как запустить

Самый простой способ: скачайте MLX Harness — бесплатно и с открытым кодом. Найдите Gemma 4 26B A4B, скачайте версию, которая подходит вашему Mac, и общайтесь. Приложение также отдает модель другим вашим программам через API, совместимый с OpenAI.Скачать MLX HarnessБесплатно · Apple Silicon · macOS 14.5 или новее
В Терминале с MLX от Apple:pip install mlx-lmmlx_lm.chat --model mlx-community/gemma-4-26b-a4b-it-4bitСборка: mlx-community/gemma-4-26b-a4b-it-4bit на Hugging Face. Рядом лежат версии с другой точностью.

Пошагово: скачать и запустить LLM на Mac · как пользоваться MLX Harness · MLX, Ollama и llama.cpp

О модели Gemma 4 26B A4B

Разработчик	Google DeepMind
Параметры	25,2B всего · 3,8B активных (mixture of experts)
Контекст	токенов: 256K
Лицензия	Apache-2.0
Выпуск	2026-03
Ввод	Текст и изображения
Веса	google/gemma-4-26B-A4B-it

Вопросы

Сколько памяти нужно модели Gemma 4 26B A4B?: Около 14,2 ГБ на веса (4 бит) плюс место для контекста: всего 15,7 ГБ. На Mac это значит 24 ГБ объединенной памяти или больше, ведь по умолчанию macOS отдает GPU около 75% памяти.
Насколько быстро Gemma 4 26B A4B работает на Mac?: Скорость генерации зависит от пропускной способности памяти. Самый быстрый Mac для нее здесь — M5 Ultra с 96 ГБ: около 135–240 токенов в секунду (8 бит). Минимальный Mac, который ее запускает, — M5 Pro с 24 ГБ — выдает около 66–117.
Почему Gemma 4 26B A4B работает быстрее, чем можно ожидать по размеру?: Это модель mixture-of-experts: она держит в памяти 25,2B параметров, но на каждый токен читает только 3,8B, поэтому пишет со скоростью гораздо меньшей модели.

Для карточки модели или README

Показывает минимальный Mac, на котором Gemma 4 26B A4B хорошо работает, и ведет сюда.

[![Runs on a Mac](https://mlx.app/badge/run/gemma-4-26b-a4b.svg)](https://mlx.app/run/gemma-4-26b-a4b)

Как это рассчитано

Память: параметры модели при 8, 6, 4, 3 или 2 битах на вес плюс групповые масштабы MLX (полбита на вес) или ее нативный формат, а сверху — место для контекста. По умолчанию macOS отдает GPU около 75% объединенной памяти. Скорость: пропускная способность памяти, деленная на число байтов, читаемых на каждый токен, — это потолок для одного диалога; в публичных тестах llama.cpp на Apple Silicon реальные запуски достигают примерно 45–80% от него, и показан именно этот диапазон. Это оценки, а не измерения: измерьте свой Mac в MLX Bench. Данные моделей — из официальных карточек моделей, данные чипов — из технических характеристик Apple. Проверено 2026-10-19. Те же данные, что и на mlx.app/compare.