Gemma 4 Local
Execute o Gemma 4 no seu próprio hardware - privado, offline, sem chaves de API
Todos os modelos do Gemma 4 funcionam localmente. Desde o E2B de 3,2 GB num telemóvel até ao modelo principal de 31B numa estação de trabalho. Ollama, llama.cpp, MLX, transformers e implementação no navegador - escolha a sua ferramenta e comece em minutos.
Requisitos de hardware
O que precisa para executar cada modelo localmente
Os requisitos de memória dependem do tamanho do modelo e do nível de quantização. A quantização de 4 bits oferece o melhor equilíbrio entre qualidade e utilização de memória para a maioria das implementações locais.
Guia de hardware
Encontre o modelo certo para o seu hardware
O E2B funciona em telemóveis e portáteis económicos. O E4B funciona confortavelmente na maioria dos portáteis. O 26B MoE precisa de uma GPU decente. O 31B Dense requer uma configuração de estação de trabalho.
Todos os valores de memória referem-se apenas aos pesos do modelo. Adicione 2-4 GB para a janela de contexto (KV cache) consoante o seu caso de utilização.
Telemóvel / Portátil económico
E2B (3,2-10 GB)
4 bits: ~3,2 GB | 8 bits: ~5-8 GB | BF16: ~10 GB. Funciona em telemóveis, Raspberry Pi e hardware económico.
~95 tok/s em GPUs de consumo. O modelo mais rápido da família. Ideal para aplicações em tempo real.
Portátil / Desktop
E4B (5,5-16 GB)
4 bits: ~5,5-6 GB | 8 bits: ~9-12 GB | BF16: ~16 GB. O melhor modelo edge para utilização local diária.
Boa velocidade em RTX 3060+ ou Macs M1+. O ponto de partida recomendado para a maioria dos utilizadores locais.
Estação de trabalho GPU
26B MoE (16-48 GB)
4 bits: ~16 GB | 8 bits: ~24 GB | BF16: ~48 GB. Qualidade próxima do 31B numa única RTX 4090 ou M4 Pro.
~2-8 tok/s consoante o hardware. Ideal para processamento em lote e tarefas locais que exigem alta qualidade.
Multi-GPU / Servidor
31B Dense (17-58 GB)
4 bits: ~17 GB | 8 bits: ~29 GB | BF16: ~58 GB. Qualidade máxima para implementação local.
Requer RTX 4090+ ou M4 Max+ para utilização confortável. Ideal para qualidade máxima sem dependência da nuvem.
Ferramentas de implementação
Seis formas de executar o Gemma 4 localmente
Desde a configuração do Ollama com um único comando até builds personalizados do llama.cpp, há um caminho de implementação local para cada nível de experiência.
Ollama
Um comando para instalar, um comando para executar. O caminho mais fácil para o Gemma 4 local. API HTTP incluída para integração com outras ferramentas.
llama.cpp
Controlo total sobre quantização, tamanho de contexto e camadas de GPU. Ideal para utilizadores avançados que querem ajustar cada parâmetro.
MLX (Apple Silicon)
Otimizado para Macs M1/M2/M3/M4. Tira partido da memória unificada para inferência eficiente em hardware Apple.
transformers (Python)
Integração completa com o ecossistema Hugging Face. Ideal para programadores Python que querem criar scripts, fazer fine-tuning ou construir pipelines personalizados.
transformers.js (Browser)
Execute o E2B e E4B diretamente no Chrome com WebGPU. Sem instalação, sem servidor - basta abrir uma página web.
LM Studio
Gestão local de modelos com interface gráfica. Transfira, configure e converse com o Gemma 4 através de uma aplicação de ambiente de trabalho.
Início rápido
Pronto em 2 minutos com o Ollama
O caminho mais rápido do zero ao Gemma 4 local. Instale o Ollama, transfira um modelo e comece a conversar.
Instalar e executar
- Instalar: curl -fsSL https://ollama.com/install.sh | sh
- Executar E4B: ollama run gemma4:e4b
- Executar 26B: ollama run gemma4:26b
- Executar 31B: ollama run gemma4:31b
- API: curl http://localhost:11434/api/generate -d '{...}'
Dicas
- Comece com o E4B se tiver 8-16 GB de RAM
- Utilize quantização de 4 bits (Q4_K_M) para a melhor relação qualidade/memória
- Adicione --num-gpu-layers para aceleração de GPU no llama.cpp
- Defina o tamanho do contexto com base na sua memória disponível
- Monitorize a utilização de VRAM - deixe margem para o KV cache
Desempenho local
Velocidade e qualidade reais em hardware de consumo
O desempenho real varia consoante o hardware, a quantização e o comprimento do contexto. Eis o que pode esperar em configurações comuns.
A velocidade de inferência local depende da sua GPU, RAM, nível de quantização e comprimento do contexto. Estes valores representam o desempenho típico em hardware de consumo comum.
E2B a 4 bits: ~95 tok/s na RTX 3060, ~60 tok/s no M1 MacBook
E4B a 4 bits: ~40-60 tok/s na RTX 3060, ~30 tok/s no M1 MacBook
26B a 4 bits: ~8-15 tok/s na RTX 4090, ~5 tok/s no M4 Pro
31B a 4 bits: ~5-10 tok/s na RTX 4090, ~3 tok/s no M4 Max
Requisitos de hardware
Requisitos de VRAM e RAM por quantização
Escolha o seu nível de quantização com base na memória disponível. 4 bits (Q4_K_M) oferece a melhor relação qualidade/memória para a maioria dos utilizadores.
| Benchmark | E2B E2B | E4B E4B | 26B MoE 26B | 31B Dense 31B |
|---|---|---|---|---|
4-bit (Q4_K_M) Recomendado | ~3,2 GB | ~5,5 GB | ~16 GB | ~17 GB |
8-bit (Q8_0) Maior qualidade | ~5-8 GB | ~9-12 GB | ~24 GB | ~29 GB |
BF16 / FP16 Precisão total | ~10 GB | ~16 GB | ~48 GB | ~58 GB |
Min GPU Utilização confortável | Qualquer 4 GB+ | RTX 3060+ | RTX 4090 | 2x RTX 4090 |
Apple Silicon Mac recomendado | Qualquer M1+ | M1+ 16 GB | M4 Pro 24 GB | M4 Max 64 GB |
Os valores de memória referem-se apenas aos pesos do modelo. Adicione 2-4 GB para o KV cache consoante o comprimento do contexto.
Privacidade em primeiro lugar
Os seus dados nunca saem do seu dispositivo
Executar o Gemma 4 localmente significa privacidade total. Sem chamadas de API, sem registo de dados, sem necessidade de internet após a transferência. Processe documentos sensíveis, código e conversas sem qualquer exposição.
- Zero transmissão de dados - tudo permanece no seu hardware
- Sem chaves de API, sem contas, sem rastreamento de utilização
- Processe com segurança documentos confidenciais e código proprietário
IA no navegador
Execute o Gemma 4 no seu navegador - sem instalação
Os modelos E2B e E4B funcionam diretamente no Chrome com WebGPU via transformers.js. Sem servidor, sem instalação, sem configuração. Basta abrir uma página web e começar a conversar.
- transformers.js permite inferência no navegador com WebGPU
- E2B e E4B otimizados para implementação no navegador
- Funciona no Chrome, Edge e outros navegadores compatíveis com WebGPU
Ferramentas para programadores
Integre o Gemma 4 local no seu fluxo de trabalho
Utilize o Gemma 4 como assistente de programação local com Claude Code, VS Code ou qualquer ferramenta compatível com APIs do OpenAI. Tanto o Ollama como o llama.cpp expõem endpoints compatíveis.
- API compatível com OpenAI via Ollama (localhost:11434)
- Funciona com Claude Code, Continue, Cursor e outras ferramentas de IA
- Fine-tuning com TRL, Unsloth ou Keras para tarefas personalizadas
Início rápido
Ponha o Gemma 4 a funcionar localmente
Escolha a sua ferramenta preferida e comece em minutos.
Transferir pesos
Obter ficheiros do modelo
Transfira os pesos oficiais de fontes fidedignas.
Avançado
Fine-tuning e personalização
Personalize o Gemma 4 para o seu caso de utilização específico.
Ecossistema de IA local
Ferramentas e plataformas para o Gemma 4 local
Um ecossistema crescente de ferramentas torna a execução local do Gemma 4 mais fácil do que nunca.
Começar
Execute o Gemma 4 no seu hardware hoje mesmo
Experimente online primeiro e depois transfira para utilização privada e offline. Sem chaves de API, sem contas, os seus dados nunca saem do seu dispositivo.