Скільки пам’яті потрібно моделі Gemma 4 E2B?

Близько 2,9 ГБ на ваги (4 біт) плюс місце для контексту: загалом 4,4 ГБ. На Mac це означає 8 ГБ об’єднаної пам’яті або більше, адже за замовчуванням macOS дає GPU близько 75% пам’яті.

Наскільки швидко Gemma 4 E2B працює на Mac?

Швидкість генерації залежить від пропускної здатності пам’яті. Найшвидший Mac для неї тут — M5 Ultra із 96 ГБ: близько 225–400 токенів за секунду (8 біт). Мінімальний Mac, що її запускає, — M3 із 8 ГБ — видає близько 24–42.

Чи погіршує квантування Gemma 4 E2B?

За 4 біт більшість моделей лишаються близькими до початкової якості; нижче 4 біт якість падає швидше. Обирайте найвищу точність, яка вміщується у ваш Mac із запасом.

Чи потягне Mac Gemma 4 E2B? Пам’ять і швидкість

Пам’ять за кожної точності

Версія	Ваги	З контекстом	Мінімальний Mac
8 біт	5,4 ГБ	6,9 ГБ	16 ГБ
6 біт	4,1 ГБ	5,6 ГБ	8 ГБ
4 біт	2,9 ГБ	4,4 ГБ	8 ГБ
3 біт нижча якість	2,2 ГБ	3,7 ГБ	8 ГБ
2 біт нижча якість	1,6 ГБ	3,1 ГБ	8 ГБ

На кожному чипі Apple

Мінімальний обсяг пам’яті кожного чипа, на якому запускається Gemma 4 E2B, найкраща версія, що вміщується, і очікувана швидкість генерації.

Чип	Потрібно	Версія	Токенів/с
M6	16 ГБ	8 біт Працює добре	29–51
M5 Ultra	96 ГБ	8 біт Працює добре	225–400
M5 Max	36 ГБ	8 біт Працює добре	86–153
M5 Pro	24 ГБ	8 біт Працює добре	58–102
M5	16 ГБ	8 біт Працює добре	29–51
M4 Max	36 ГБ	8 біт Працює добре	77–137
M4 Pro	24 ГБ	8 біт Працює добре	51–91
M4	16 ГБ	8 біт Працює добре	23–40
M3 Ultra	96 ГБ	8 біт Працює добре	154–273
M3 Max	36 ГБ	8 біт Працює добре	56–100
M3 Pro	18 ГБ	8 біт Працює добре	28–50
M3	8 ГБ	6 біт Працює добре	24–42
M2 Ultra	64 ГБ	8 біт Працює добре	150–267
M2 Max	32 ГБ	8 біт Працює добре	75–133
M2 Pro	16 ГБ	8 біт Працює добре	38–67
M2	8 ГБ	6 біт Працює добре	24–42
M1 Ultra	64 ГБ	8 біт Працює добре	150–267
M1 Max	32 ГБ	8 біт Працює добре	75–133
M1 Pro	16 ГБ	8 біт Працює добре	38–67
M1	8 ГБ	6 біт Працює добре	16–29

Як запустити

Найпростіший спосіб: завантажте MLX Harness — безкоштовно і з відкритим кодом. Знайдіть Gemma 4 E2B, завантажте версію, яка підходить вашому Mac, і спілкуйтеся. Застосунок також віддає модель іншим вашим програмам через API, сумісний з OpenAI.Завантажити MLX HarnessБезкоштовно · Apple Silicon · macOS 14.5 або новіша
У Терміналі з MLX від Apple:pip install mlx-lmmlx_lm.chat --model mlx-community/gemma-4-e2b-it-4bitЗбірка: mlx-community/gemma-4-e2b-it-4bit на Hugging Face. Поруч лежать версії з іншою точністю.

Покроково: завантажити й запустити LLM на Mac · як користуватися MLX Harness · MLX, Ollama і llama.cpp

Про модель Gemma 4 E2B

Розробник	Google DeepMind
Параметри	5,1B (щільна)
Контекст	токенів: 128K
Ліцензія	Apache-2.0
Випуск	2026-03
Вхідні дані	Текст і зображення
Ваги	google/gemma-4-E2B-it

Запитання

Скільки пам’яті потрібно моделі Gemma 4 E2B?: Близько 2,9 ГБ на ваги (4 біт) плюс місце для контексту: загалом 4,4 ГБ. На Mac це означає 8 ГБ об’єднаної пам’яті або більше, адже за замовчуванням macOS дає GPU близько 75% пам’яті.
Наскільки швидко Gemma 4 E2B працює на Mac?: Швидкість генерації залежить від пропускної здатності пам’яті. Найшвидший Mac для неї тут — M5 Ultra із 96 ГБ: близько 225–400 токенів за секунду (8 біт). Мінімальний Mac, що її запускає, — M3 із 8 ГБ — видає близько 24–42.
Чи погіршує квантування Gemma 4 E2B?: За 4 біт більшість моделей лишаються близькими до початкової якості; нижче 4 біт якість падає швидше. Обирайте найвищу точність, яка вміщується у ваш Mac із запасом.

Схожі моделі

Усі моделі · Усі Mac · Порівняти свій Mac

Для картки моделі або README

Показує мінімальний Mac, на якому Gemma 4 E2B добре працює, і веде сюди.

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

Як це розраховано

Пам’ять: параметри моделі за 8, 6, 4, 3 або 2 біт на вагу плюс групові масштаби MLX (пів біта на вагу) або її нативний формат, а зверху — місце для контексту. За замовчуванням macOS дає GPU близько 75% об’єднаної пам’яті. Швидкість: пропускна здатність пам’яті, поділена на кількість байтів, що читаються на кожен токен, — це стеля для однієї розмови; у публічних тестах llama.cpp на Apple Silicon реальні запуски досягають приблизно 45–80% від неї, і показано саме цей діапазон. Це оцінки, а не вимірювання: виміряйте свій Mac у MLX Bench. Дані моделей — з офіційних карток моделей, дані чипів — з технічних характеристик Apple. Перевірено 2026-10-19. Ті самі дані, що й на mlx.app/compare.