ప్రతి ప్రెసిషన్ వద్ద మెమరీ
| వెర్షన్ | వెయిట్లు | కాంటెక్స్ట్‌తో | అతిచిన్న Mac |
|---|---|---|---|
| 8-బిట్ | 26.8 GB | 28.9 GB | 48 GB |
| 6-బిట్ | 20.5 GB | 22.1 GB | 32 GB |
| 4-బిట్ | 14.2 GB | 15.7 GB | 24 GB |
| 3-బిట్ తక్కువ నాణ్యత | 11 GB | 12.5 GB | 18 GB |
| 2-బిట్ తక్కువ నాణ్యత | 7.9 GB | 9.4 GB | 16 GB |
ప్రతి Apple చిప్‌పై
Gemma 4 26B A4Bను నడిపే ప్రతి చిప్ యొక్క అతిచిన్న మెమరీ సైజు, దానిలో సరిపోయే ఉత్తమ వెర్షన్, ఆశించదగిన రాసే వేగం.
| చిప్ | కావాలి | వెర్షన్ | టోకెన్లు/సెకను |
|---|---|---|---|
| M6 | 24 GB | 4-బిట్ బాగా నడుస్తుంది | 36–65 |
| M5 Ultra | 96 GB | 8-బిట్ బాగా నడుస్తుంది | 135–240 |
| M5 Max | 36 GB | 6-బిట్ బాగా నడుస్తుంది | 67–119 |
| M5 Pro | 24 GB | 4-బిట్ బాగా నడుస్తుంది | 66–117 |
| M5 | 24 GB | 4-బిట్ బాగా నడుస్తుంది | 33–58 |
| M4 Max | 36 GB | 6-బిట్ బాగా నడుస్తుంది | 60–106 |
| M4 Pro | 24 GB | 4-బిట్ బాగా నడుస్తుంది | 59–104 |
| M4 | 24 GB | 4-బిట్ బాగా నడుస్తుంది | 26–46 |
| M3 Ultra | 96 GB | 8-బిట్ బాగా నడుస్తుంది | 92–164 |
| M3 Max | 36 GB | 6-బిట్ బాగా నడుస్తుంది | 44–77 |
| M3 Pro | 36 GB | 6-బిట్ బాగా నడుస్తుంది | 22–39 |
| M3 | 24 GB | 4-బిట్ బాగా నడుస్తుంది | 21–38 |
| M2 Ultra | 64 GB | 8-బిట్ బాగా నడుస్తుంది | 90–160 |
| M2 Max | 32 GB | 6-బిట్ బాగా నడుస్తుంది | 58–103 |
| M2 Pro | 32 GB | 6-బిట్ బాగా నడుస్తుంది | 29–52 |
| M2 | 24 GB | 4-బిట్ బాగా నడుస్తుంది | 21–38 |
| M1 Ultra | 64 GB | 8-బిట్ బాగా నడుస్తుంది | 90–160 |
| M1 Max | 32 GB | 6-బిట్ బాగా నడుస్తుంది | 58–103 |
| M1 Pro | 32 GB | 6-బిట్ బాగా నడుస్తుంది | 29–52 |
| M1 | 16 GB | 2-బిట్ బాగా నడుస్తుంది | 26–45 |
దీన్ని ఎలా నడపాలి
- సులభమైన మార్గం: ఉచితమైన, ఓపెన్ సోర్స్ MLX Harnessను డౌన్‌లోడ్ చేయండి. Gemma 4 26B A4B కోసం వెతికి, మీ Macలో సరిపోయే వెర్షన్‌ను డౌన్‌లోడ్ చేసి, చాట్ చేయండి. ఇది OpenAI-compatible API ద్వారా ఆ మోడల్‌ను మీ ఇతర యాప్‌లకు కూడా అందిస్తుంది.MLX Harness డౌన్‌లోడ్ చేయండిఉచితం · Apple Silicon · macOS 14.5 లేదా తర్వాతి వెర్షన్
- Terminalలో Apple MLXతో:
pip install mlx-lmmlx_lm.chat --model mlx-community/gemma-4-26b-a4b-it-4bitబిల్డ్: Hugging Faceలో mlx-community/gemma-4-26b-a4b-it-4bit. ఇతర ప్రెసిషన్‌లు దాని పక్కనే ఉన్నాయి.
దశలవారీగా: Macలో LLMలను డౌన్‌లోడ్ చేసి నడపండి · MLX Harnessను ఎలా వాడాలి · MLX vs Ollama vs llama.cpp
Gemma 4 26B A4B గురించి
| తయారీదారు | Google DeepMind |
|---|---|
| పారామీటర్‌లు | మొత్తం 25.2B · యాక్టివ్ 3.8B (mixture of experts) |
| కాంటెక్స్ట్ | 256K టోకెన్లు |
| లైసెన్స్ | Apache-2.0 |
| విడుదల | 2026-03 |
| ఇన్‌పుట్ | టెక్స్ట్, చిత్రాలు |
| వెయిట్లు | google/gemma-4-26B-A4B-it |
ప్రశ్నలు
- Gemma 4 26B A4Bకు ఎంత మెమరీ కావాలి?
- 4-బిట్ వద్ద సుమారు 14.2 GB వెయిట్లు, దానితో పాటు కాంటెక్స్ట్కు చోటు: మొత్తం 15.7 GB. Macలో అంటే 24 GB లేదా అంతకంటే ఎక్కువ యూనిఫైడ్ మెమరీ, ఎందుకంటే డిఫాల్ట్గా macOS దానిలో సుమారు 75%ను మాత్రమే GPU వాడుకోనిస్తుంది.
- Macలో Gemma 4 26B A4B ఎంత వేగంగా నడుస్తుంది?
- రాసే వేగం మెమరీ బ్యాండ్విడ్త్పై ఆధారపడుతుంది. ఇక్కడ దీనికి అత్యంత వేగవంతమైన Mac 96 GB ఉన్న M5 Ultra, సెకనుకు సుమారు 135–240 టోకెన్లు (8-బిట్). దీన్ని నడిపే అతిచిన్న Mac, 24 GB ఉన్న M5 Pro, సుమారు 66–117 వరకు చేరుతుంది.
- Gemma 4 26B A4B దాని సైజుకు మించిన వేగంతో ఎందుకు నడుస్తుంది?
- ఇది mixture-of-experts మోడల్: మెమరీలో 25.2B పారామీటర్లను ఉంచుతుంది, కానీ ప్రతి టోకెన్కు 3.8B మాత్రమే చదువుతుంది, అందుకే చాలా చిన్న మోడల్ వేగంతో రాస్తుంది.
ఇలాంటి మోడల్‌లు
మీ మోడల్ కార్డ్ లేదా README కోసం
Gemma 4 26B A4Bను బాగా నడిపే అతిచిన్న Macను చూపి, ఇక్కడికి లింక్ ఇస్తుంది.
[](https://mlx.app/run/gemma-4-26b-a4b)ఎలా లెక్కించాం
మెమరీ: మోడల్ పారామీటర్‌లు వెయిట్‌కు 8, 6, 4, 3 లేదా 2 బిట్‌ల వద్ద, దానితో పాటు MLX గ్రూప్ స్కేల్‌లు (వెయిట్‌కు అర బిట్), లేదా దాని నేటివ్ ఫార్మాట్, పైన కాంటెక్స్ట్కు చోటు. డిఫాల్ట్గా macOS యూనిఫైడ్ మెమరీలో సుమారు 75%ను GPU వాడుకోనిస్తుంది. వేగం: మెమరీ బ్యాండ్‌విడ్త్‌ను ప్రతి టోకెన్కు చదివే బైట్‌లతో భాగిస్తే ఒక సంభాషణకు గరిష్ఠ పరిమితి వస్తుంది; llama.cpp పబ్లిక్ Apple Silicon బెంచ్‌మార్క్‌లలో నిజమైన రన్‌లు దానిలో సుమారు 45% నుండి 80% వరకు చేరుతాయి, ఆ పరిధినే చూపిస్తున్నాం. ఇవి అంచనాలు, కొలతలు కావు: మీ సొంత Macను MLX Benchలో కొలవండి. మోడల్ వివరాలు ప్రతి అధికారిక మోడల్ కార్డ్ నుండి, చిప్ వివరాలు Apple Tech Specs నుండి. 2026-10-19న తనిఖీ చేశాం. mlx.app/compareలో ఉన్న అదే డేటా.