Gemma 4 31B inahitaji kumbukumbu kiasi gani?

Takriban 17.3 GB ya weights kwa 4-bit, pamoja na nafasi ya context: 18.8 GB kwa jumla. Kwenye Mac hiyo inamaanisha GB 32 za unified memory au zaidi, kwa kuwa kwa chaguo-msingi macOS huiruhusu GPU kutumia takriban 75% yake.

Gemma 4 31B ina kasi gani kwenye Mac?

Kasi ya kuandika hutegemea bandwidth ya kumbukumbu. Mac yenye kasi zaidi kwa modeli hii hapa ni M5 Ultra yenye GB 96, kwa takriban tokeni 17–29 kwa sekunde (8-bit). Mac ndogo zaidi inayoiendesha, yenye GB 32, hufikia takriban 10–18 kwenye M2 Max.

Je, quantization hudhuru Gemma 4 31B?

Kwa biti 4 modeli nyingi hubaki karibu na ubora asili; chini ya biti 4 ubora hushuka haraka zaidi. Chagua usahihi wa juu zaidi unaotosha Mac yako na kubakiza nafasi.

Mac inaweza kuendesha Gemma 4 31B? Kumbukumbu, kasi

Kumbukumbu kwa kila usahihi

Toleo	Weights	Pamoja na context	Mac ndogo zaidi
8-bit	32.6 GB	35.2 GB	48 GB
6-bit	24.9 GB	26.9 GB	36 GB
4-bit	17.3 GB	18.8 GB	32 GB
3-bit ubora wa chini	13.4 GB	14.9 GB	24 GB
2-bit ubora wa chini	9.6 GB	11.1 GB	16 GB

Kwenye kila chipu ya Apple

Ukubwa mdogo zaidi wa kumbukumbu wa kila chipu unaoendesha Gemma 4 31B, toleo bora linalotosha humo, na kasi ya kuandika unayoweza kutarajia.

Chipu	Inahitaji	Toleo	Tokeni/s
M6	32 GB	4-bit Polepole	4–8
M5 Ultra	96 GB	8-bit Inaenda vizuri	17–29
M5 Max	36 GB	4-bit Inaenda vizuri	12–21
M5 Pro	48 GB	8-bit Polepole	4–8
M5	32 GB	4-bit Polepole	4–7
M4 Max	36 GB	4-bit Inaenda vizuri	11–19
M4 Pro	48 GB	8-bit Polepole	4–7
M4	32 GB	4-bit Polepole	3–6
M3 Ultra	96 GB	8-bit Inaenda vizuri	11–20
M3 Max	36 GB	6-bit Polepole	5–10
M3 Pro	36 GB	6-bit Polepole	3–5
M3	16 GB	2-bit Polepole	5–8
M2 Ultra	64 GB	8-bit Inaenda vizuri	11–20
M2 Max	32 GB	4-bit Inaenda vizuri	10–18
M2 Pro	32 GB	4-bit Polepole	5–9
M2	16 GB	2-bit Polepole	5–8
M1 Ultra	64 GB	8-bit Inaenda vizuri	11–20
M1 Max	32 GB	4-bit Inaenda vizuri	10–18
M1 Pro	32 GB	4-bit Polepole	5–9
M1	16 GB	2-bit Polepole	3–6

Jinsi ya kuiendesha

Njia rahisi: pakua MLX Harness, bure na open source. Tafuta Gemma 4 31B, pakua toleo linalotosha Mac yako, na anza kuzungumza. Pia huipa programu zako nyingine modeli kupitia API inayooana na OpenAI.Pakua MLX HarnessBure · Apple Silicon · macOS 14.5 au mpya zaidi
Ndani ya Terminal kwa MLX ya Apple:pip install mlx-lmmlx_lm.chat --model mlx-community/gemma-4-31b-it-4bitToleo: mlx-community/gemma-4-31b-it-4bit kwenye Hugging Face. Usahihi mwingine uko kando yake.

Hatua kwa hatua: pakua na uendeshe LLM kwenye Mac · jinsi ya kutumia MLX Harness · MLX dhidi ya Ollama dhidi ya llama.cpp

Kuhusu Gemma 4 31B

Imetengenezwa na	Google DeepMind
Vigezo	30.7B (dense)
Context	tokeni 256K
Leseni	Apache-2.0
Ilitolewa	2026-03
Ingizo	Maandishi na picha
Akili	14.7 kwenye Artificial Analysis Intelligence Index
Weights	google/gemma-4-31B-it

Maswali

Gemma 4 31B inahitaji kumbukumbu kiasi gani?: Takriban 17.3 GB ya weights kwa 4-bit, pamoja na nafasi ya context: 18.8 GB kwa jumla. Kwenye Mac hiyo inamaanisha GB 32 za unified memory au zaidi, kwa kuwa kwa chaguo-msingi macOS huiruhusu GPU kutumia takriban 75% yake.
Gemma 4 31B ina kasi gani kwenye Mac?: Kasi ya kuandika hutegemea bandwidth ya kumbukumbu. Mac yenye kasi zaidi kwa modeli hii hapa ni M5 Ultra yenye GB 96, kwa takriban tokeni 17–29 kwa sekunde (8-bit). Mac ndogo zaidi inayoiendesha, yenye GB 32, hufikia takriban 10–18 kwenye M2 Max.
Je, quantization hudhuru Gemma 4 31B?: Kwa biti 4 modeli nyingi hubaki karibu na ubora asili; chini ya biti 4 ubora hushuka haraka zaidi. Chagua usahihi wa juu zaidi unaotosha Mac yako na kubakiza nafasi.

Modeli zinazofanana

Kila modeli · Kila Mac · Linganisha Mac yako

Kwa kadi ya modeli yako au README

Huonyesha Mac ndogo zaidi inayoendesha Gemma 4 31B vizuri na huunganisha hapa.

[![Runs on a Mac](https://mlx.app/badge/run/gemma-4-31b.svg)](https://mlx.app/run/gemma-4-31b)

Jinsi inavyokokotolewa

Kumbukumbu: vigezo vya modeli kwa biti 8, 6, 4, 3 au 2 kwa kila weight pamoja na group scales za MLX (nusu biti kwa kila weight), au muundo wake asili, pamoja na nafasi ya context juu yake. Kwa chaguo-msingi macOS huiruhusu GPU kutumia takriban 75% ya unified memory. Kasi: bandwidth ya kumbukumbu ikigawanywa kwa baiti zinazosomwa kwa kila tokeni ndiyo kikomo cha juu kwa mazungumzo moja; katika benchmarks za umma za llama.cpp kwenye Apple Silicon uendeshaji halisi hufikia takriban 45% hadi 80% yake, na huo ndio upana unaoonyeshwa. Haya ni makadirio, si vipimo: pima Mac yako mwenyewe kwenye MLX Bench. Takwimu za modeli ni kutoka kwa kadi rasmi ya kila modeli, takwimu za chipu ni kutoka Tech Specs za Apple. Imekaguliwa 2026-10-19. Data ileile ya mlx.app/compare.