Gemma 4 E2B の必要VRAM

Googleのオンデバイス特化モデル(実効2B)。スマホ前提の設計で軽快。

5.12B / 35層 / GQA 1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)。

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5.2GB、128Kで約5.9GBです(8Kの約1.2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 E2Bとは

Gemma 4 E2Bは、Googleが公開するGemma系の入門〜標準クラス(5.12Bパラメータ)オープンモデルです。8GB級GPUで扱える定番サイズで、日常的な対話・文章作成の実用ラインです。スマートフォンでの動作も視野に入る軽さです。

Hugging Faceでの直近30日ダウンロードは約336万件・いいね920件 — ダウンロード数は当サイト収録84モデル中20位です(2026-08-30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 E2B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3.5GB、8Kトークン分のKVキャッシュが約0.1GB、システム予約と合わせて合計約5GBです。 ◎(快適)判定の最小ラインは、VRAM 8GBクラスのGPUです。 迷ったらQ4_K_M(合計約5GB)が基準です。VRAMに余裕があればQ8_0(約7GB)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5.12B・実効2B。メモリは総量5.12B分が必要ですが、生成速度は2B級の軽さです。

ハイブリッドアテンション採用: 全35層のうちフルアテンションは7層のみで、残りの層は直近512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0GB、8Kで約0.1GB、32Kまで広げると約0.2GBになります。文脈を4倍にしてもKVキャッシュは3.4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2B相当(Q4で約1.4GB)で決まり、理論上限はRTX 3060 12GBで約266 tokens/秒、RTX 4090で約745 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

Qwen3.5 4B(4.66B) / Qwen3 4B(4.02B) / Nemotron-3 Nano 4B(3.97B)

▶ 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)