Gemma 4 — открытые модели Google с лицензией Apache 2.0: видят картинки и видео, хорошо пишут по-русски. Старшую Gemma 4 31B Google выпускает в сжатии QAT — модель обучена работать в 4 битах, поэтому почти не теряет качества. Ниже — 3 модели Gemma 4, под которые в конфигураторе есть готовые сборки, сколько им нужно видеопамяти и ссылки на сборки трёх уровней.
Сборка под Gemma 4 31BВсе модели
Модели и сборки
| Модель | Главное применение | Нужно на «Экономично» | Сборка |
|---|---|---|---|
| Gemma 4 31B | ассистент, тексты на русском, изображения | 22,1 ГБ | башня · в стойку |
| Gemma 4 26B-A4B | быстрый чат-бот на много пользователей | 20,2 ГБ | башня · в стойку |
| Gemma 4 12B | звонки, фото, недорогой ассистент | 9,1 ГБ | башня · в стойку |
Какую взять. Gemma 4 31B — самая умная из трёх и лучшая из пробованных нами на проверке фотографий товаров. Gemma 4 26B-A4B почти так же хороша, но отвечает в несколько раз быстрее — для чат-бота на много пользователей. Gemma 4 12B понимает ещё и звук и помещается в видеокарту на 16 ГБ.
Уровни: Экономично — самый доступный вариант, на котором модель работает целиком; Сбалансировано — больше бит и длиннее окно; С запасом — несколько пользователей сразу. Цена в тексте не указана: она меняется каждый день и показывается в конфигураторе по ссылке.
Gemma 4 31B
Флагманская открытая модель Google: плотная 31B, видит картинки и видео, контекст 256 тыс. токенов. Google выпускает её в сжатии QAT — модель обучена работать в 4 битах, поэтому почти не теряет качества.
Для чего: ассистент, перевод и тексты на русском, разбор изображений и документов, второе мнение к другой модели.
Наш опыт. Работает на нашем ИИ-сервере (RTX 5090): версия QAT занимает 19 ГБ видеопамяти и пишет около 65 токенов в секунду; на проверке фотографий товаров она лучшая из пробованных.
- Разработчик: Google, выпуск — апрель 2026.
- Параметров: 30,7 млрд (плотная модель — на каждый токен работают все).
- Понимает: текст, картинки, видео.
- Контекст: до 256 тыс. токенов.
- Лицензия: Apache 2.0. Русский язык: очень хорошо.
- В Ollama:
gemma4:31b-it-qat; веса — на Hugging Face (google/gemma-4-31B-it).
Сколько видеопамяти нужно одному пользователю — веса, кэш контекста в 8 битах и служебная память:
| Сжатие | Файл модели | Видеопамяти с окном 32 тыс. токенов | С окном 128 тыс. |
|---|---|---|---|
| QAT Q4_0 (от Google) (4 бита) | 17,6 ГБ | 22,1 ГБ | 26,1 ГБ |
| Q6_K (6 бит) | 25,2 ГБ | 29,9 ГБ | 33,9 ГБ |
| Q8_0 (8 бит) | 32,6 ГБ | 37,6 ГБ | 41,6 ГБ |
Готовые сборки. Ссылка откроет конфигуратор со сборкой из деталей в наличии и ценой на сегодня; уровень и корпус там можно поменять.
| Уровень | Что заложено | Нужно | Подойдёт | Готовая сборка |
|---|---|---|---|---|
| Экономично | 4 бита, QAT от Google, окно 32 тыс. токенов, 1 пользователь | 22,1 ГБ | 24 ГБ (RTX PRO 4000 и выше) | башня · в стойку |
| Сбалансировано | 8 бит (Q8_0), окно 64 тыс. токенов, 1 пользователь | 38,9 ГБ | 48 ГБ (RTX PRO 5000, RTX 6000 Ada) | башня · в стойку |
| С запасом | 8 бит (Q8_0), 4 пользователя по 32 тыс. токенов (vLLM) | 46,2 ГБ | 48 ГБ (RTX PRO 5000, RTX 6000 Ada) | башня · в стойку |
Gemma 4 26B-A4B
Модель-«смесь экспертов» Google: всего 25 млрд параметров, но на каждый токен работает около 4 млрд — поэтому отвечает в несколько раз быстрее плотной 31B при близком качестве.
Для чего: быстрый чат-бот на много пользователей, обработка потока писем и заявок, классификация.
- Разработчик: Google, выпуск — апрель 2026.
- Параметров: 25,2 млрд, из них на каждый токен работают 3,8 млрд («смесь экспертов», MoE).
- Понимает: текст, картинки, видео.
- Контекст: до 256 тыс. токенов.
- Лицензия: Apache 2.0. Русский язык: хорошо.
- В Ollama:
gemma4:26b-a4b; веса — на Hugging Face (google/gemma-4-26B-A4B-it).
Сколько видеопамяти нужно одному пользователю — веса, кэш контекста в 8 битах и служебная память:
| Сжатие | Файл модели | Видеопамяти с окном 32 тыс. токенов | С окном 128 тыс. |
|---|---|---|---|
| Q4_K_M (4 бита) | 16,9 ГБ | 20,2 ГБ | 21,2 ГБ |
| Q6_K (6 бит) | 23,2 ГБ | 26,6 ГБ | 27,6 ГБ |
| Q8_0 (8 бит) | 26,9 ГБ | 30,4 ГБ | 31,4 ГБ |
Готовые сборки. Ссылка откроет конфигуратор со сборкой из деталей в наличии и ценой на сегодня; уровень и корпус там можно поменять.
| Уровень | Что заложено | Нужно | Подойдёт | Готовая сборка |
|---|---|---|---|---|
| Экономично | 4 бита (Q4_K_M), окно 32 тыс. токенов, 1 пользователь | 20,2 ГБ | 24 ГБ (RTX PRO 4000 и выше) | башня · в стойку |
| Сбалансировано | 8 бит (Q8_0), окно 64 тыс. токенов, 1 пользователь | 30,7 ГБ | 32 ГБ (RTX 5090, RTX PRO 4500) | башня · в стойку |
| С запасом | 8 бит (Q8_0), 4 пользователя по 32 тыс. токенов (vLLM) | 34,9 ГБ | 48 ГБ (RTX PRO 5000, RTX 6000 Ada) | башня · в стойку |
Gemma 4 12B
Средняя модель Google: понимает текст, картинки, звук и видео. Помещается в видеокарту на 16 ГБ даже без сильного сжатия.
Для чего: расшифровка и разбор звонков, описание фото, недорогой ассистент.
- Разработчик: Google, выпуск — июнь 2026.
- Параметров: 11,9 млрд (плотная модель — на каждый токен работают все).
- Понимает: текст, картинки, звук, видео.
- Контекст: до 256 тыс. токенов.
- Лицензия: Apache 2.0. Русский язык: хорошо.
- В Ollama:
gemma4:12b; веса — на Hugging Face (google/gemma-4-12B-it).
Сколько видеопамяти нужно одному пользователю — веса, кэш контекста в 8 битах и служебная память:
| Сжатие | Файл модели | Видеопамяти с окном 32 тыс. токенов | С окном 128 тыс. |
|---|---|---|---|
| Q4_K_M (4 бита) | 7,1 ГБ | 9,1 ГБ | 9,9 ГБ |
| Q6_K (6 бит) | 9,8 ГБ | 11,9 ГБ | 12,7 ГБ |
| Q8_0 (8 бит) | 12,7 ГБ | 14,8 ГБ | 15,7 ГБ |
Готовые сборки. Ссылка откроет конфигуратор со сборкой из деталей в наличии и ценой на сегодня; уровень и корпус там можно поменять.
| Уровень | Что заложено | Нужно | Подойдёт | Готовая сборка |
|---|---|---|---|---|
| Экономично | 4 бита (Q4_K_M), окно 32 тыс. токенов, 1 пользователь | 9,1 ГБ | 16 ГБ (RTX 5060 Ti 16 ГБ и выше) | башня · в стойку |
| Сбалансировано | 8 бит (Q8_0), окно 64 тыс. токенов, 1 пользователь | 15,1 ГБ | 16 ГБ (RTX 5060 Ti 16 ГБ и выше) | башня · в стойку |
| С запасом | 8 бит (Q8_0), 4 пользователя по 32 тыс. токенов (vLLM) | 17,4 ГБ | 24 ГБ (RTX PRO 4000 и выше) | башня · в стойку |
Как мы считаем видеопамять
Видеопамять = файл модели + проектор картинок (у моделей, которые видят изображения) + кэш контекста в 8 битах + 1 ГБ служебной памяти + 3 % от весов. Кэш растёт с длиной окна и числом одновременных пользователей; для нескольких пользователей (vLLM) берём ещё 10 % запаса. Расчёт сверен с нашим ИИ-сервером: для Qwen 3.8 27B в Q4 формула даёт 20 ГБ, замер — 17,5 ГБ; для Gemma 4 31B QAT — 22 и 19,2 ГБ, то есть с запасом. Если модель не помещается в видеопамять целиком, часть слоёв уходит в оперативную память и ответ замедляется в разы.
Чем запускать
Ollama и LM Studio — проще всего начать, работают на Windows и Linux. llama.cpp — гибкая работа с файлами GGUF, в том числе модель в оперативной памяти с выносом общих слоёв на видеокарту (--n-cpu-moe). vLLM — для нескольких пользователей сразу и для нескольких видеокарт (тензорный параллелизм, поэтому карт 1, 2, 4 или 8). Для больших моделей в оперативной памяти — также ktransformers.
Частые вопросы
Сколько видеопамяти нужно для Gemma 4 31B?
В версии QAT (Q4_0 от Google) файл — 17,7 ГБ; с окном 32 тыс. токенов нужно около 22 ГБ — видеокарта на 24 ГБ. На нашем сервере с RTX 5090 QAT занимает 19 ГБ и пишет около 65 токенов в секунду. В 8 битах — около 38 ГБ, это карта на 48 ГБ.
Что такое Gemma 4 QAT?
QAT (Quantization-Aware Training) — модель дообучена работать в 4 битах. Обычное сжатие до 4 бит немного снижает качество, а QAT почти нет: памяти нужно как у Q4, качество близко к несжатой модели. Поэтому в уровне «Экономично» для Gemma 4 31B мы берём именно QAT.
Чем Gemma 4 26B-A4B отличается от 31B?
Это «смесь экспертов»: из 25 млрд параметров на каждый токен работают около 4 млрд, поэтому она отвечает в несколько раз быстрее при близком качестве. Памяти занимает почти столько же — в Q4 с окном 32 тыс. токенов около 20 ГБ.
Пойдёт ли Gemma 4 на видеокарте 16 ГБ?
Gemma 4 12B — да: в Q4 нужно около 9 ГБ, в Q8 — около 15 ГБ с окном 32 тыс. токенов. Gemma 4 31B и 26B-A4B в 16 ГБ целиком не помещаются — им нужна карта на 24 ГБ.
Сколько стоит компьютер для Gemma 4?
Цена зависит от модели, уровня и корпуса и меняется вместе с ценами видеокарт, поэтому в тексте её нет. Нажмите ссылку на сборку — конфигуратор покажет состав и цену на сегодня из деталей в наличии; там же можно сменить уровень, корпус или любую деталь.
Сколько времени занимает сборка и доставка?
Собираем из деталей в наличии и тестируем за 4–5 дней после оплаты. Доставка по России бесплатная — до адреса, со страховкой.
Как оплатить и какая гарантия?
Безналичный расчёт по договору, цены с НДС — работаем с юридическими лицами. Гарантия — 1 год на сервер и комплектующие.
Смотрите также
- Компьютер и сервер для нейросетей — все модели
- Компьютер и сервер для Qwen
- Компьютер и сервер для gpt-oss
- Сервер для DeepSeek V4
- Сервер для GigaChat
- Компьютер и сервер для GLM
- Сервер для Kimi K2.6
- Какая видеокарта нужна для нейросети: таблица по моделям
- Квантование нейросети: Q4, Q6 или Q8 — что выбрать
- Локальная нейросеть: компьютер, рабочая станция или сервер
- Наш ИИ-сервер: RTX 5090 и RTX 5060 Ti, Qwen 3.8 27B и Gemma 4 31B
- Сервер для нейросетей и локальных LLM: какие видеокарты и сколько видеопамяти нужно
- GPU-сервер на 1, 2 или 4 видеокарты
- Профессиональные видеокарты NVIDIA