AI PCナビ使うAIと、させたい仕事に合うPC・Macを。
トップ › モデル別 › Gemma 3n E4B

Gemma 3n E4B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Google ・ 公開 2025-06 ・ 6.87Bパラメータ ・ データ更新 2026-10-02

スマホ/ノート向け設計。メモリ8GBで動く

5.0GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
VRAM 6GB実用になるいちばん安いGPU: GeForce RTX 3060 Laptop
8GB実用になるいちばん小さいMac: M2（8GB）
32,768最大コンテキスト（学習時）

編集部の見立て

Gemma 3nは、配布元が低リソースの端末で効率よく動かすことを目的に設計したシリーズで、E4Bは実効4B相当で動く大きいほうです。当サイトの集計で総パラメータ6.87B、Q4_K_Mは4.2GB、8kの会話込みで5GB。この5GBなら実効5.4GBのApple M2（8GB）に収まり、推定19tok/sで動きます。

2026年のGemma 4 E4Bは必要5.5GBでM2（8GB）に届かないので、8GBのMacでQ4_K_Mを使いたい人には今もこちらが候補。VRAM 6GBのRTX 2060でも推定52.8tok/sです。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/gemma-3n-E4B-it-GGUF） に置かれている実際のファイルサイズです。KVキャッシュ（会話の作業メモリ）は8,192トークン・fp16として、モデルの構造（35層・うち28層は直近の範囲だけを見る層）から計算しています。必要メモリの合計には計算用のバッファも含めています。

量子化ファイルKVキャッシュ（8k）必要合計GPUならMacなら
2bit（IQ2_M）
品質劣化大。最後の手段		2.9GB0.1GB3.6GBVRAM 6GB〜8GB〜
2bit（Q2_K）
品質劣化大。最後の手段		3.0GB0.1GB3.7GBVRAM 6GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		3.4GB0.1GB4.2GBVRAM 6GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		4.0GB0.1GB4.7GBVRAM 6GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		4.2GB0.1GB5.0GBVRAM 6GB〜8GB〜
5bit（Q5_K_M）
品質重視		4.7GB0.1GB5.5GBVRAM 6GB〜16GB〜
6bit（Q6_K）
ほぼ無劣化		5.8GB0.1GB6.7GBVRAM 8GB〜16GB〜
8bit（Q8_0）
無劣化に近い		6.8GB0.1GB7.7GBVRAM 10GB〜16GB〜
16bit（F16）
元精度		13GB0.1GB14GBVRAM 16GB〜24GB〜

モデルの構造と、必要メモリの増え方

Gemma 3n E4BはGoogleが2025年6月に公開した6.87Bのモデルです。GGUFのヘッダには35層と書かれており、全パラメータを毎回読み出すdense型なので、生成速度はファイルサイズとメモリ帯域幅でほぼ決まります。注意機構は混合型で、全域注意が7層、残り28層は窓512トークンのスライディングウィンドウです。

コンテキストに比例して増えるのは全域注意の7層ぶん（1トークンあたり約14KB）だけで、スライディングウィンドウの28層は窓512トークンぶん（約0.0GB）で頭打ちになります。実際の値は、8,192トークンで0.1GB、学習時の上限32,768トークンまで伸ばすと0.5GBです。

ライセンス表記: gemma（層数と窓の大きさはGGUFヘッダから取得）

このモデルを実際に使うなら

元のモデルは画像・音声・動画の入力に対応していますが、unslothのGGUF配布ページには現時点で文字のみ対応と書かれています。手元で写真を読ませるつもりなら、ここで当てが外れる。推奨設定はtemperature 1.0、top_k 64、top_p 0.95、min_p 0.0です。

文脈は入出力合わせて32Kで、Gemma 4 E4Bの131,072トークンに比べると短め。KVは全域注意の7層ぶんで1トークン14KB、32,768トークンを満杯にしても全域側は約0.44GBにとどまります。GPUなしのRyzen AI 300（16GB）でも推定15.6tok/s。

ライセンスはGemma独自の利用規約なので、業務で使う前に条件を読んでおきましょう。学習データの知識は2024年6月までです。

このモデルの系統

GGUFヘッダに書かれたアーキテクチャはgemma3nで、当サイト収録の204モデル中2本が同じ系統です。ツール側の対応状況は、使う前に確認しておくと確実です。

配布元はunsloth/gemma-3n-E4B-it-GGUF、元になったモデルはgoogle/gemma-3n-E4B-itです。

得意分野は日本語の文章です。

同じGoogleのモデルでは、サイズの近いものにGemma 4 E4B（7.52B）、Gemma 4 E2B（4.65B）、Gemma 2 9B（9.24B）があります。

コンテキスト長を伸ばすと必要メモリはどう増えるか

長い文書を渡す、会話を続ける、コードベース全体を読ませる。こうした使い方ではコンテキスト長を伸ばしますが、その分KVキャッシュがメモリを食います。4bit（Q4_K_M）（4.2GB）を前提に、コンテキスト長ごとの必要メモリを計算しました。このモデルは35層のうち28層がスライディングウィンドウ注意（窓512トークン）なので、長くしてもKVが伸びにくい構造です。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.1GB4.9GBVRAM 6GB〜8GB〜
8,192既定0.1GB5.0GBVRAM 6GB〜8GB〜
16,3840.2GB5.1GBVRAM 6GB〜8GB〜
32,7680.5GB5.3GBVRAM 6GB〜8GB〜

KVキャッシュをq8_0に量子化すると、32,768トークンでのKVは約0.5GBから約0.2GBに減ります（品質はわずかに落ちます）。

同じサイズ帯の他のモデル

モデル開発元4bitで必要一言
Granite 4.0 H-TinyIBM4.6GBMamba系の層を混ぜたIBMの小型MoE。長文でもKVキャッシュが増えにくい。GPUなしのメモリ16GBでも動く
Mistral 7B v0.3Mistral AI5.7GB2023〜2024年の定番7B。Apache 2.0。GPUなしのメモリ16GBのPCでも動く
CAT-Translate 7BCyberAgent5.9GBサイバーエージェントの翻訳専用7B。MIT。VRAM 8GBで手元の翻訳に使える
Hunyuan 7BTencent5.9GBTencentの7B（dense型）。学習時の文脈256K。GPUなしのメモリ16GBのPCでも動く
Tanuki-8B松尾・岩澤研究室 GENIAC5.9GBGENIACで国産フルスクラッチ開発した8B。Apache 2.0。GPUなしのメモリ16GBのPCでも動く
Gemma 4 E4BGoogle5.5GBノート・省メモリ向け設計。メモリ8〜16GBで動く

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら118機種で20 tok/s以上、19機種で8〜20 tok/s（テキスト生成の推定・計算方法）。

快適 20 tok/s以上（118機種）

実用 8〜20 tok/s（19機種）

遅い 動くが遅い（4機種）

メモリに一部を逃がせば動く（1機種・CPUオフロード、PCのメモリ32GB想定）

動かない機種（0）を見る

    今のPCのまま、Gemma 3n E4Bを動かすために足すもの

    PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

    NVMe SSD / 外付けSSD 2TB

    Gemma 3n E4Bは4bit（IQ4_XS）で4.0GB、8bitのQ8_0なら6.8GB。精度違いを3種類そろえるだけで約12GB使います。何本か試すうちに、まず内蔵SSDが先に埋まります。Macは内蔵を増設できないので外付けが前提です。

    Amazonで「NVMe SSD 2TB」を見る →Amazonで「外付けSSD 2TB USB 3.2」を見る →

    ローカルLLM / AIエージェント入門書

    Gemma 3n E4BのようなGGUF版のモデルを落として動かす手順、量子化の選び方、Ollama と LM Studio の使い分けは、一冊まとまったものを手元に置くと早い。

    Amazonで「ローカルLLM 本」を見る →Amazonで「AIエージェント 開発 本」を見る →

    Gemma 3n E4Bを動かせるPC・Macを今日買うなら

    PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

    ぴったりデスクトップ（BTO）

    RTX 5060（8GB）デスクトップ・メモリ32GB

    画像生成の入門と8BクラスのローカルLLM。最安のGPU機

    RTX 5060（VRAM 8GB）・メモリ32GB・NVMe 1TB ・ 目安 15〜21万円

    要件を満たす中で最も手頃

    Amazonで「RTX 5060 搭載 デスクトップPC」を見る →
    余裕を持つならデスクトップ（BTO）

    RTX 5070（12GB）デスクトップ・メモリ32GB

    SDXLの画像生成が快適。14BクラスのローカルLLMがGPUだけで動く

    RTX 5070（VRAM 12GB）・メモリ32GB・NVMe 1TB ・ 目安 20〜28万円

    将来の用途拡張（大きなモデル・並列エージェント）に余裕

    Amazonで「RTX 5070 搭載 デスクトップPC」を見る →
    別の形ならMac

    Mac mini M4 Pro（メモリ48GB・SSD 1TB）

    30BクラスのローカルLLMとエージェント並列運用を1台で。コスパの中心

    M4 Pro・ユニファイドメモリ48GB・SSD 1TB・帯域273GB/s ・ 目安 30〜36万円

    Macで同じ仕事をするなら

    Amazonで「Mac mini M4 Pro 48GB」を見る →

    よくある質問

    Gemma 3n E4Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル4.2GB、8,192トークンのKVキャッシュを含めて約5.0GBが必要です。GPU単体ならGeForce RTX 3060 Laptop（VRAM 6GB）から実用速度で動きます。

    Gemma 3n E4BはMacで動く？

    動きます。ユニファイドメモリ8GB以上のApple Silicon（例: Apple M2（8GB））なら、4bit量子化で実用的な速さが出ます。

    このクラスの選び方: ローカルLLM（8Bクラス）に必要なPC / MacかWindowsか

    手持ちのPCで判定する