Gemma 4 26B-A4B の必要VRAM

Google製MoE。総26B・実働4Bで、規模の割に軽く動く。

26.54B / 30層 / GQA 8ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。 このモデルは実際にその境界にあります: IQ4_XS相当(4.25bit)に置き換えると必要VRAMが約19.1GB→約16.1GBになり、16GB級で「× 不可」→「△ ぎりぎり」に一段上がります。

上の表は8,192トークンの文脈での計算です。AIエージェント(道具を使って複数ステップの作業を自動でこなす使い方)では長い文脈が要り、その分KVキャッシュが増えます。 このモデルをQ4_K_Mで使う場合、必要VRAMは32Kで約20.1GB、128Kで約24.1GBです(8Kの約1.3倍)。 KVヘッドが少ない構成のため、文脈を延ばしても増え方はゆるやかです。エージェント用途に向く設計といえます。

Gemma 4 26B-A4Bとは

Gemma 4 26B-A4Bは、Googleが公開するGemma系のハイエンドクラス(26.54Bパラメータ)オープンモデルです。24GB級GPUの領域で、ローカルで狙える上位の品質帯です。

Hugging Faceでの直近30日ダウンロードは約865万件・いいね1,439件 — ダウンロード数は当サイト収録83モデル中5位です(2026-08-27時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

Gemma 4 26B-A4Bの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約17GB、8Kトークン分のKVキャッシュが約0.5GB、システム予約と合わせて合計約19.1GBです。 ◎(快適)判定の最小ラインは、VRAM 24GBクラスのGPUです。 迷ったらQ4_K_M(合計約19.1GB)が基準です。VRAMに余裕があればQ8_0(約28.9GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

MoE構成: 総26.54B・実効4B。メモリは総量26.54B分が必要ですが、生成速度は4B級の軽さです。

ハイブリッドアテンション採用: 全30層のうちフルアテンションは5層のみで、残りの層は直近1024トークンの窓しか参照しません。長文時のKVキャッシュ増加が緩やかです。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.3GB、8Kで約0.5GB、32Kまで広げると約1.6GBになります。文脈を4倍にしてもKVキャッシュは2.8倍にしか増えません — 長文に強いメモリ設計です。

速度の目安(理論上限)

MoEのため速度は実効4B相当(Q4で約2.6GB)で決まり、理論上限はRTX 3060 12GBで約140 tokens/秒、RTX 4090で約393 tokens/秒です(実効はこれ以下)。

動かすには

OllamaやLM Studioに対応しています。導入手順は用語集のOllamaページにまとめています。

同クラスの選択肢

Fara 1.5 27B(27.36B) / Qwen3.6 27B(27.78B) / Qwen3.8 27B(27.78B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)