Gemma 4 指南
Gemma 4 A4B 和 E4B 的区别：名称含义与选型指南
这两个名字确实容易混淆。E4B 和 26B A4B 都带有"4B"，但这个"4B"在两者中含义完全不同，底层架构也截然不同。下面是你真正需要知道的内容。
E4B 是什么意思
E4B 里的"E"代表 effective parameters（有效参数），不是 edge（边缘）或 efficient（高效）。Google 使用了一种叫做 Per-Layer Embeddings（PLE，逐层嵌入）的技术：每个解码层都有自己的小嵌入表，向该层的计算提供残差信号。这些嵌入表在磁盘上占用不小，但计算开销很低，这就是为什么虽然完整权重数达到约 8B，但模型在运行时表现得像一个 4.5B 参数模型。
最终效果是：这是一个体积紧凑、但深度超过其参数数量所暗示水平的模型。E4B 专为手机和笔记本设计，目标是 8–16 GB 内存的使用场景。
E4B 还原生支持音频输入，而更大的 26B A4B 不支持。如果你的使用场景涉及音频，E4B 是目前支持音频的最大本地模型。
上下文窗口：128K token。
26B A4B 是什么意思
26B A4B 里的"A"代表 active parameters（激活参数）。26B A4B 是一个混合专家（MoE）模型，总参数约 25.2B，但每次前向推理只有约 3.8B 参数被激活。在运行时，它的速度接近 4B 模型，但调用的是更丰富的专家网络知识。
这就是为什么 A4B 在复杂任务上明显优于 E4B：总知识量远大，即使每次推理只用一小部分。但内存代价是真实的——全部 26B 权重都需要加载进内存，即使每次只激活一小部分。
上下文窗口：**256K token。**不原生支持音频输入。
内存需求
以下数据来自 Google 官方模型概览（含约 20% 开销）。Unsloth 的实测数据显示 26B A4B Q4 实际加载约需 18 GB，高于 Google 基准估算。
| 模型 | Q4 | Q8 | BF16 |
|---|---|---|---|
| Gemma 4 E2B | ~2.9 GB | ~5.7 GB | ~11.4 GB |
| Gemma 4 E4B | ~4.5 GB | ~8.9 GB | ~17.9 GB |
| Gemma 4 12B | ~6.7 GB | ~13.4 GB | ~26.7 GB |
| Gemma 4 26B A4B | ~14.4–18 GB | ~28 GB | ~52–58 GB |
| Gemma 4 31B | ~17.5 GB | ~34.9 GB | ~69.9 GB |
这些是模型加载的估算值，需在此基础上叠加 KV 缓存（随上下文长度增长）。长上下文场景下，KV 缓存内存可能超过模型权重本身。
实际质量差异
E4B 在对话、摘要、信息提取和简单 Agent 场景上完全够用。PLE 技术让它在同量级中表现出色。但在需要多步推理、复杂编程和长文档理解的任务上，26B A4B 会稳定地优于 E4B。
差距最明显的场景：
- 需要跟踪大文件中多个依赖关系的编程任务
- 需要多步推断才能得出结论的推理任务
- 文档足够长、早期上下文对后续结论有实质影响的场景
- 需要在多个约束下精确跟随指令的结构化输出
对于日常对话、快速摘要和提示词探索，两者的实际差距往往不大，E4B 反而更合适——加载更快、内存压力更小。
按硬件选择
| 你的机器 | 从这里开始 |
|---|---|
| 8 GB 内存笔记本 | E2B Q4，或 E4B Q4（如果能舒适放下） |
| 16 GB Mac 或 PC | E4B Q4 — 26B A4B 在这个内存级别太紧 |
| 24 GB 显卡 | 26B A4B Q4 可以放下；这是它的目标硬件 |
| 32 GB 系统 | 26B A4B Q4，有更多上下文空间 |
| 48 GB+ | 26B A4B Q8，或 31B Q4 |
| 64 GB+ 工作站 | 31B Q8，或比较 26B A4B Q8 与 31B Q4 |
不要在 16 GB 系统上强行跑 26B A4B Q4，除非你清楚你在接受什么：模型加载就会占满你几乎全部内存，上下文和运行时开销会把你推入慢速内存交换。
速度
因为每次推理步骤只有约 3.8B 参数被激活，26B A4B 的实际运行速度接近一个 4B 稠密模型——尽管总参数有 26B。在同等硬件上，它通常比稠密 31B 快，比任何稠密 26B 模型快得多。
E4B 的绝对速度更快，因为它本身就是更小的模型，加载也更快。
选择建议
第一次尝试 Gemma 4，机器有 8–16 GB 内存： 从 E4B Q4 开始。加载快、日常任务够用，让你快速判断 Gemma 4 是否适合你的工作流。
有 24 GB 显卡或更多内存，需要更强的推理、编程辅助或长上下文处理： 用 26B A4B Q4。
质量是第一优先级，内存不是瓶颈： 31B 仍然是这个系列中最好的模型。
26B A4B 不是将就之选，它是有足够内存的本地用户的首选。E4B 是消费级笔记本和手机用户的首选。
常见问题
E4B 支持音频输入吗？
支持。E4B（以及 E2B 和 12B）原生支持音频输入。26B A4B 和 31B 不支持。
为什么 E4B 的内存占用超过其参数数量所暗示的大小？
因为 Per-Layer Embeddings。嵌入表增加了磁盘大小和内存占用，而它们不计入 Google 宣传的"有效参数"数字中。
为什么 26B A4B 叫 26B，但只有约 3.8B 参数被激活？
因为模型将 26B 总参数分布在多个专家网络中，全部加载进内存，但每次前向推理只激活其中一个子集。这就是混合专家模型的工作方式。
16 GB 机器能跑 26B A4B 吗？
技术上某些配置下可以，但不推荐。Q4 状态下，模型加载就会接近内存上限，还没算上下文、KV 缓存或运行时开销。性能会因内存交换而变得很慢。
相关指南：
相关阅读
继续沿着 Gemma 4 内容集群往下读，选一个离你当前决策最近的下一篇。
Gemma 4 26B A4B 显存要求：Q4、Q8、F16 与 24GB 显卡适配
一篇聚焦 Gemma 4 26B A4B 显存要求的实用指南，帮你判断 26B 为什么是很多本地用户最值得先试的版本。
还没决定下一篇看什么？
回到指南页，按模型对比、本地部署和硬件规划三个方向继续浏览。