ai.canshu.com
EN
显存计算器 配机与回本向导 API 价格 同屏 PK 对比 模型库 排行榜 显卡库

全局搜索模型、显卡与工具

↑↓ 移动 · Enter 直达 · ★ 优先展示我的关注 ai.canshu.com
Google DeepMind
开源权重 Google DeepMind · MoE 8B / A4.5B · Text+Image+Video+Audio · BF16

Gemma-4-E4B-IT (Edge Multimodal) 模型架构参数、评测与显存全表

采用逐层词表嵌入(PLE)原生支持文本+图像+音频的端侧模型(含词表总参约 8B,有效激活 4.5B),8GB 显卡流畅可跑。

🧬 Gemma-4-E4B-IT (Edge Multimodal) 底层网络与张量参数总表 (Model Overview & config.json)

全部字段同步自官方 HuggingFace 仓库 (google/gemma-4-E4B-it) 的 config.json 与技术报告 · 核验日期 2026-11-20

HF Class: Gemma4ForConditionalGeneration

1. 骨干网络与维度参数

gemma4
总参数量 / 单步激活
8B / 4.5B
非词嵌入参数量
4.5B
Hidden Size (d_model)
2,560
FFN Intermediate Size
10,240
激活函数 / RMSNorm
GELU-Tanh (GeGLU) · ε=1e-6
原生权重精度
BF16

2. 注意力机制与混合层拓扑

HYBRID
Transformer 总层数
42 层 (7 层全局 KV)
网络层排布 (Hidden Layout)
42 层端侧全模态架构 (含每层 Per-Layer Embedding 注入):35 层滑动窗口 + 7 层全局注意力
注意力头 (Q / KV)
8 Q / 2 KV (4:1 GQA)
Head Dimension
512
线性注意力 / KV 压缩机制
原生内置视觉编码器与音频编码器(支持语音识别 ASR 与跨语种语音翻译)
视觉编码器 / MTP 头
ViT 16L

3. 上下文、位置编码与词表

Tokenizer
原生上下文长度
131,072 tokens
旋转位置编码 (RoPE)
Dual RoPE (Global θ=1,000,000 · Sliding θ=10,000 · 128K Context)
词表大小 (vocab_size)
262,144 (共享词嵌入)
特殊控制 Token ID
BOS: 2 · EOS: [1,106,50] · PAD: 0
语言覆盖
140+ 种语言(含多语种语音识别)

🏆 Gemma-4-E4B-IT (Edge Multimodal) 官方基准评测成绩单

摘录自官方 System Card / Model Card 与权威公开横评表

Arena Elo ~1342 AA Index 29
📚 知识与指令
MMLU-Pro 69.4 %

MMLU 进阶推理增强版,将选项从 4 个扩充至 10 个并剔除简单记忆题,重点考察跨学科复杂计算与多步逻辑推理。

📚 知识与指令
MMMLU 76.6 %

OpenAI 发布的多语言版 MMLU,由专业译者将题目精准翻译为中文、阿拉伯语、德语、法语、日语等 14 种语言,衡量跨语言综合知识。

🧠 数学与深度推理
GPQA Diamond 58.6 %

研究生级物理、化学与生物高难防搜索推理选择题

🧠 数学与深度推理
AIME 2026 (no tools) 42.5 %
💻 代码工程
LiveCodeBench v6 52 %

零数据污染的动态竞赛编程基准(v6),持续采集 LeetCode、AtCoder 与 CodeForces 最新赛题,全面测试算法编写、修复与执行推理。

👁️ 视觉与多模态
MATH-Vision 59.5 %
👁️ 视觉与多模态
MMMU-Pro 52.6 %

MMMU 抗猜题增强版大学多学科多模态基准,剔除了仅靠纯文本就能猜对的题目并引入纯视觉输入截图模式,严格考察图文深度融合推理。

🎛️ 官方调用采样与思考参数指南

API / 推理引擎调用时的最佳超参数与约束说明

官方默认多模态与思考配置 (generation_config.json)
temperature=1 top_p=0.95 top_k=64 max_tokens=32,768

💡 原生支持交错图文输入、内置 Thinking 思考模式与原生 Function Calling 工具调用

📊 Gemma-4-E4B-IT (Edge Multimodal) 全量评测成绩与维度排名

共 12 项公开评测 · 排名为在本站 154 款有评测数据模型中的名次 · 数据同步于 2026-11-20

⚔️ 和其他模型逐项比分

来源:ZeroEval / llm-stats.com 公开评测聚合(✓ 为第三方验证,其余为厂商官方自报)。点击任一评测可查看全库排名。

⚡ Gemma-4-E4B-IT (Edge Multimodal) 本地显存占用 & 实时吐字速度计算器

并发请求数 (Batch):
MoE 8B / A4.5B·42L (d=2560)·8Q/2KV·Ctx 128K·Text+Image+Video+Audio
该设备兼容榜 →
并联卡数
32 GB VRAM·1792 GB/s·安全可用上限 31.4 GB
流畅可跑6.25 / 31.4 GB~420 tok/s
3. 权重量化精度
4. 单并发上下文窗口16K (16,384 tok)
参数核验:2026-11-20·带宽与算力屋顶模型估算(当前并发=1)
流畅可跑
6.25/ 31.4 GB 可用显存

物理总容量 32 GB · 占用率 19.9%

理论带宽解码速度 (Decode)
~420tokens/s

MoE 架构:每步仅读取 2.73 GB 激活权重

当前并发 (1x) 最大可开窗口
128K/ 128K

高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限

模型权重: 4.85 GBKV Cache (1×16K): 0.51 GB框架开销: 0.9 GB
🚀 闪电秒出(长推理/写代码极爽)生成 500 Token 回答约需 1.2 秒
参考启动命令:
OLLAMA_CONTEXT_LENGTH=16384 ollama run gemma4:e4b

RTX 5090 可运行 Gemma-4-E4B-IT (Edge Multimodal) · 硬件成本与回本参考

参考均价约 ¥18,999(折合 ¥594/GB)· 满载约 575W

📊 Gemma-4-E4B-IT (Edge Multimodal) 各量化精度显存占用对照表 (16K 上下文)

量化格式 等效位数 纯权重体积 KV Cache (16K) 总显存需求 精度评价
FP16 / BF16 16 bpw 16 GB 0.51 GB 17.63 GB 无损原精度
FP8 / Q8_0 8.5 bpw 8.5 GB 0.51 GB 9.98 GB 99.9% 接近无损
GGUF Q6_K 6.56 bpw 6.56 GB 0.51 GB 8 GB 极高画质 · 严肃编码
GGUF Q5_K_M 5.69 bpw 5.69 GB 0.51 GB 7.11 GB 高均衡度
Q4_K_M / AWQ 4.85 bpw 4.85 GB 0.51 GB 6.25 GB 黄金甜点(推荐)
GGUF IQ4_XS 4.25 bpw 4.25 GB 0.51 GB 5.64 GB 省显存优选
GGUF Q3_K_M 3.91 bpw 3.91 GB 0.51 GB 5.29 GB 轻度智商折损
GGUF Q2_K 3.15 bpw 3.15 GB 0.51 GB 4.52 GB 极限压缩尝鲜

🖥️ 主流显卡、Mac 与国产卡运行 Gemma-4-E4B-IT (Edge Multimodal) (Q4_K_M) 兼容性列表

常见问题解答 (FAQ)

Gemma-4-E4B-IT (Edge Multimodal) 的核心网络架构参数(层数、隐藏维度、注意力头、词表)是多少?

Gemma-4-E4B-IT (Edge Multimodal) 底层架构为 Gemma4ForConditionalGeneration,共 42 层(42 层端侧全模态架构 (含每层 Per-Layer Embedding 注入):35 层滑动窗口 + 7 层全局注意力),隐藏层维度 hidden_size=2560,注意力头配置为 8 个 Query 头 / 2 个 KV 头(head_dim=512),词表大小 vocab_size=262,144,原生上下文窗口 131,072 tokens。

Gemma-4-E4B-IT (Edge Multimodal) 本地部署至少需要多少 GB 显存?

在主流 4-bit 量化(GGUF Q4_K_M / AWQ,16K 上下文)下,Gemma-4-E4B-IT (Edge Multimodal) 共需约 6.25 GB 显存(含权重 4.85 GB + KV 缓存 0.51 GB + 系统开销 0.9 GB)。无损 FP16/BF16 则需约 17.63 GB。

Gemma-4-E4B-IT (Edge Multimodal) 官方推荐的采样参数(Temperature / Top-P)是多少?

依据官方 generation_config.json 与最佳实践,在「官方默认多模态与思考配置 (generation_config.json)」下建议设置 temperature=1、top_p=0.95、top_k=64。注意:原生支持交错图文输入、内置 Thinking 思考模式与原生 Function Calling 工具调用