01规格
02需要多少显存（估算）
向量模型体量小，显存随批量和序列长度增长。
| 精度 | 权重 | 权重 + 开销 | 最低显卡 | Mac |
|---|---|---|---|---|
| BF16 / FP16（原始精度） | 1.5 GB | 2.1 GB | 8GB 显卡 | Mac 16GB |
| FP8 / INT8 / Q8_0 | 0.8 GB | 1.4 GB | 8GB 显卡 | Mac 16GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 0.5 GB | 1.0 GB | 8GB 显卡 | Mac 16GB |
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- Transformers — 官方模型卡提及
- Sentence Transformers — 官方模型卡提及
- Ollama — Ollama 官方模型库收录 · embeddinggemma-2
ollama run embeddinggemma-204官方仓库与量化版
google 官方发布的 1 个仓库。
- embeddinggemma-2 main
05Gemma 其他模型
全部 48 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| diffusiongemma-26B-A4B-it | 25.8B / 4B | 18.3 GB | 2026-06-09 |
| gemma-4-12B-it-qat-q4_0-unquantized | 12B | 9.3 GB | 2026-06-04 |
| gemma-4-12B-it | 12B | 9.3 GB | 2026-05-23 |
| gemma-4-E4B-it-qat-q4_0-unquantized | 7.94B | 5.9 GB | 2026-04-30 |
| gemma-4-E2B-it-qat-q4_0-unquantized | 5.1B | 4.0 GB | 2026-04-29 |
| gemma-4-26B-A4B-it-qat-q4_0-unquantized | 25.8B / 4B | 18.3 GB | 2026-04-29 |
| gemma-4-31B-it-qat-q4_0-unquantized | 31.3B | 23.5 GB | 2026-04-28 |
| gemma-4-26B-A4B-it | 25.8B / 4B | 18.3 GB | 2026-03-11 |
06来源
数据核对于 2026-10-06。参数、上下文、许可取自官方仓库；显存为本站估算。