Gemma 4 26B A4B IT
- 输入 输入模态: 文本图像 输出 输出模态: 文本
- 推理
- 可关闭推理
- 工具调用
- 结构化输出
- 开放权重
价格
2 个渠道报价 · 按标价显示 Google Cloud Vertex AI（在新标签页打开）
gemma-4-26b-a4b-it-maas| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | $0.15 | $0.015 | $0.60 |
价格来源 Vertex AI generative AI pricing（在新标签页打开） (核对于 2026年11月2日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 知识截止
- 2025年1月
- 许可证
- apache-2.0
- 模型家族
- gemma
- 模型 ID
Google 的页面未说明：最长输入, 推理档位, 最大思考预算, 内置工具, 别名。
本地运行
权重： google/gemma-4-26B-A4B-it- 参数 25.8B
- 激活 3.8B · 专家 128（每 token 8）
- 原生精度 BF16
- 层数 30
- 每 token 的 KV 缓存 240 KB
- 配置位置数 256K （config.json max_position_embeddings）
- API 上下文 250K （厂商 API）
在你的配置上 · GeForce RTX 4090
●流畅 Q5_K_M （自动） 8K 上下文 155–233 tok/s单卡
权重KV 缓存运行开销可用上限
- 需要
- ≈ 18.5 GB (权重 17.1 + KV 缓存 0.5 + 开销 0.9)
- 可用
- 21.6 GB (标称的 90%)
- 生成速度
- 155–233 tok/s (每 token 读激活的 3.8B)
- 最长上下文
- 88K (再长就放不下)
- 首 token
- 2K 提示约 0.12–0.18 秒
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 BF16官方 | 48.1 GB | ≈ 51.0 | ○需放到内存 13–20 tok/s | — |
| Q8_0 | 25.5 GB | ≈ 27.3 | ○需放到内存 37–55 tok/s | — |
| FP8 | 24.0 GB | ≈ 25.7 | ○需放到内存 43–65 tok/s | — |
| Q6_K | 19.7 GB | ≈ 21.2 | ●流畅 137–206 tok/s | 17K |
| Q5_K_M | 17.1 GB | ≈ 18.5 | ●流畅 155–233 tok/s | 88K |
| Q5_0 | 16.5 GB | ≈ 17.9 | ●流畅 160–239 tok/s | 104K |
| Q4_K_M | 14.6 GB | ≈ 15.8 | ●流畅 177–265 tok/s | 155K |
| Q4_0 | 13.5 GB | ≈ 14.7 | ●流畅 188–282 tok/s | 184K |
| IQ4_XS | 12.8 GB | ≈ 13.9 | ●流畅 197–295 tok/s | 204K |
| Q3_K_M质量下降明显 | 11.7 GB | ≈ 12.8 | ●流畅 210–315 tok/s | 232K |
| IQ3_XXS质量下降明显 | 9.2 GB | ≈ 10.2 | ●流畅 252–378 tok/s | 250K |
| Q2_K质量下降明显 | 9.0 GB | ≈ 10.0 | ●流畅 256–384 tok/s | 250K |
| IQ2_XXS质量下降明显 | 6.2 GB | ≈ 7.2 | ●流畅 331–496 tok/s | 250K |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：显卡 GeForce RTX 4090；统一内存 Apple M5 Pro (16-core GPU) · 24 GB。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 387.5 GB你的配置放不下
LoRA≈ 51.2 GB你的配置放不下
QLoRA≈ 16.7 GB你的配置放得下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得- Epoch Capabilities Index 141.7
第 92 名，共 118 个上榜模型 · 置信区间 139.2–144.1
- Epoch AI · GPQA Diamond 73.2%
第 92 名，共 168 个上榜模型 · minimal effort · ±3.15
- Epoch AI · OTIS Mock AIME 2024–2025 82.2%
第 78 名，共 159 个上榜模型 · minimal effort · ±5.76
- EQ-Bench Creative Writing v3 1,305
第 73 名，共 93 个上榜模型
变更
全部变更 →- Cloudflare Workers AI 上线报价 输入 $0.10 · 输出 $0.30
- Google Cloud Vertex AI 上线报价 输入 $0.15 · 输出 $0.60 · 缓存读取 $0.015
来源
- Gemma 4 model card（在新标签页打开） ai.google.dev · 核对于 2026年11月1日
- Gemini API changelog（在新标签页打开） ai.google.dev · 核对于 2026年11月1日
- Vertex AI generative AI pricing（在新标签页打开） cloud.google.com · 核对于 2026年11月2日
- Gemma 4 26B A4B IT | Gemini Enterprise Agent Platform | Google Cloud Documentation（在新标签页打开） docs.cloud.google.com · 核对于 2026年11月1日
- Thinking for open models | Gemini Enterprise Agent Platform | Google Cloud Documentation（在新标签页打开） docs.cloud.google.com · 核对于 2026年11月4日
- Cloudflare Workers AI pricing（在新标签页打开） developers.cloudflare.com · 核对于 2026年10月31日
- google/gemma-4-26B-A4B-it model card（在新标签页打开） huggingface.co · 核对于 2026年11月3日
- google/gemma-4-26B-A4B-it config.json（在新标签页打开） huggingface.co · 核对于 2026年11月3日
- google/gemma-4-26B-A4B-it files（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- google/gemma-4-26B-A4B-it README.md（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- google/gemma-4-26B-A4B-it model card（在新标签页打开） huggingface.co · 核对于 2026年11月3日
Google · 美国 · ai.google.dev
相关模型
快照、同系列与同厂商的其他模型