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 4 E2B

Gemma 4 E2B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Google ・ 公開 2026-07 ・ 4.65Bパラメータ ・ データ更新 2026-10-02

最小クラス。古いノートや常時稼働の軽い用途に

3.6GB4bit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）
131,072最大コンテキスト（学習時）

編集部の見立て

名前のEは実効（effective）の頭文字です。当サイトの集計ではパラメータ4.65Bですが、配布元の表で計算に使われるのは約2.3B。層ごとに小さな埋め込み表を持たせるPLEという仕組みで、スマホやノートでの実行を狙ったと説明されています。Q4_K_Mは2.9GB、8kの会話込みで3.6GB。

GPUなしのRyzen AI 300（16GB）で推定22.7tok/sと快適側に入り、8GBのApple M2でも推定27.6tok/sです。専用GPUを買う前に試す人や、つけっぱなしで小さな仕事を任せる常駐役を探す人向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/gemma-4-E2B-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		2.1GB0.1GB2.8GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		2.4GB0.1GB3.1GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		2.8GB0.1GB3.5GBVRAM 4GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		2.9GB0.1GB3.6GBVRAM 6GB〜8GB〜
5bit（Q5_K_M）
品質重視		3.1GB0.1GB3.8GBVRAM 6GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		4.2GB0.1GB4.9GBVRAM 6GB〜8GB〜
8bit（Q8_0）
無劣化に近い		4.7GB0.1GB5.5GBVRAM 6GB〜16GB〜
16bit（BF16）
元精度		8.7GB0.1GB9.6GBVRAM 11GB〜16GB〜

モデルの構造と、必要メモリの増え方

Gemma 4 E2BはGoogleが2026年7月に公開した4.65B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131,072トークンまで伸ばすと1.8GBです。

ライセンス表記: apache-2.0（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

小さいモデルほど、量子化で軽くする意味は薄れます。16GBのMacやノートならQ8_0（4.7GB）を選んでも余裕があり、M1（16GB）でQ8_0が推定10.8tok/s。VRAM 4GBのRTX 3050 LaptopではQ4_K_Mがあと0.1GB届かず、IQ4_XSで推定48.4tok/sという位置です。

入力は文章・画像・音声の3種ですが、GGUFで音声まで通るかはツールの対応次第なので、最初は文字だけで組むのが無難。文脈の上限は131,072トークンで、KVが伸びるのは全域注意の7層だけです。1トークン14KBなので、上限まで広げても全域側の増分は約1.75GBに収まります。

比べる相手は一段上のGemma 4 E4Bと、同じ4B前後のQwen3.5 4B・Phi-4-mini 3.8B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gemma4で、当サイト収録の204モデル中5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-4-E2B-it-GGUF、元になったモデルはgoogle/gemma-4-E2B-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 3n E2B（4.46B）、Gemma 3 4B（3.88B）、Gemma 3n E4B（6.87B）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）（2.9GB）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
4,0960.1GB3.5GBVRAM 6GB〜8GB〜
8,192既定0.1GB3.6GBVRAM 6GB〜8GB〜
16,3840.2GB3.7GBVRAM 6GB〜8GB〜
32,7680.5GB3.9GBVRAM 6GB〜8GB〜
65,5360.9GB4.4GBVRAM 6GB〜8GB〜
131,0721.8GB5.2GBVRAM 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
AFM-4.5BArcee AI3.9GBArcee AIの4.5B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く
Gemma 3n E2BGoogle3.5GBスマホ・ノート向けGemma 3nの小さいほう。GPUなしのメモリ16GBでも動く
AREX-Turbo 4BBAAI（北京智源）3.5GB検索を繰り返す深い調査エージェント向けの4B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く
Fara1.5 4BMicrosoft3.5GBFara1.5の最小4B。ノートでブラウザ操作エージェントを試すのに向く。GPUなしのメモリ8GBのPCでも動く
Qwen3.5 4BAlibaba3.4GBGPUなしのノートでも動く2026年の小型。メモリ8GBでも使える
Nanbeige4.2 3BNanbeige3.8GBエージェント用途向けに調整した小型3B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら127機種で20 tok/s以上、10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（127機種）

実用 8〜20 tok/s（10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 4 E2B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 4 E2Bは4bit（IQ4_XS）で2.8GB、8bitのQ8_0なら4.7GB。精度違いを3種類そろえるだけで約8.0GB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 4 E2B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 4 E2B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 4 E2Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル2.9GB、8,192トークンのKVキャッシュを含めて約3.6GB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 4 E2B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