Q4_K_M: 需内存卸载(降速运行) 17.92 GB / 15.7 GB 安全可用
NVIDIA GeForce RTX 5070 Ti 16GB 运行 Gemma-4-26B-A4B-IT (MoE) 显存与速度估算
单张 RTX 5070 Ti(可用显存约 15.7 GB)难以全量装入 Gemma-4-26B-A4B-IT (MoE) 的 Q4_K_M 权重(需 17.92 GB)。建议切换更低比特量化、多卡并联,或直接租用大显存云 GPU / 调用在线 API。
并发请求数 (Batch):
MoE 26B / A4B·30L (d=2816)·16Q/2KV·Ctx 256K·Text+Image+Video
需内存卸载(降速运行)17.92 / 15.7 GB~116 tok/s· Q4_K_M · 16K ctx
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)
需内存卸载(降速运行)
17.92/ 15.7 GB 可用显存
物理总容量 16 GB · 占用率 114.3%
理论带宽解码速度 (Decode)
~116tokens/s
MoE 架构:每步仅读取 2.42 GB 激活权重
当前并发 (1x) 最大可开窗口
0K/ 256K
高并发下开启 Q8/Q4 KV 量化可成倍提升并发上限
模型权重: 15.76 GBKV Cache (1×16K): 0.55 GB