本文へ移動
localllm
EN

google

gemma-3n-E2B-it

画像も入力

パラメータ数
4.5B
最大コンテキスト長
32,768
アーキテクチャ
gemma3n
ライセンス
条件付き
元モデル
google/gemma-3n-E2B-it
ライセンス
gemma
llama.cpp
b5769+

gemma-3n-E2B-it の概要

gemma-3n-E2B-it は、Hugging Face の google/gemma-3n-E2B-it をもとにした GGUF 形式のモデルです。GGUF は unsloth/gemma-3n-E2B-it-GGUF が公開しています。パラメータ数は約 4.5B（45億）、アーキテクチャは gemma3n、最大コンテキスト長は 32,768 トークンです（GGUF に書かれた値）。

量子化は 24 種類あり、ファイルサイズは UD-IQ2_XXS の 2.05 GB から F16 の 8.92 GB まであります（Hugging Face 上の実際のサイズ）。

Q4_K_M（3.03 GB）を 8,192 トークンのコンテキストで動かすときの必要メモリは推定 4.20 GB、32,768 トークンでは推定 4.40 GBです。8,192 トークンなら、VRAM 4 GB 以上の GPU（Arc A310・Arc A370M など）か、統合メモリ 4 GB 以上の Mac が目安です（macOS は GPU が使えるメモリに上限があるため、実際には余裕が要ります）。最も小さい UD-IQ2_XXS（2.05 GB）なら、8,192 トークンで推定 3.23 GBです。

元のモデルのライセンスは Gemma Terms of Use で、商用利用には規模・用途などの条件があります。利用条件は原文で確認してください。

量子化ごとのファイルサイズと必要メモリの目安

  • 8 GB まで
  • 16 GB まで
  • 24 GB まで
  • 48 GB まで
  • 128 GB まで
  • それ以上

ファイルサイズは Hugging Face 上の実際の値です。必要メモリはコンテキスト長ごとの推定値（KVキャッシュ f16）。計算式は 必要メモリの計算方法で公開しています。

必要メモリはすべて 推定 （KVキャッシュ f16）。このページの「必要メモリ」以上の VRAM（または Mac の統合メモリ）を持つ環境で動作する見込みです。数値をクリックすると、その容量で動く機種・モデルの一覧（GPU・Macで探す）に移動します。

「品質の目安」について（量子化でどれだけ元のモデルからずれるか）

量子化の型ごとに、元のモデルの出力からどれだけずれるかを、llama.cpp が Llama-3-8B で測った値から6段階に分けたものです。

使っている値は平均 KLD（元のモデルと量子化したモデルの、次の単語の確率の分布の差）で、小さいほど元のモデルに近い出力になります。imatrix（重要度の情報）を使って量子化したものは少し小さくなります。段階は、imatrix を使わない値（無い型は使った値）で分けています。

★このモデルで測った値ではありません。モデルが大きいほど、また MoE のモデルほど、同じ型でもずれは小さくなりやすいです。配布元独自の混合型（UD-Q4_K_XL など）は型の名前だけでは当てはめられないので「-」にしています。

量子化 品質の目安 KLD（imatrix なし） KLD（imatrix あり） サイズ（Llama-3-8B）
Q8_0 ほぼ同じ 0.0014 - 7.96 GiB
Q6_K ごく小さい 0.0055 - 6.14 GiB
Q5_K_M ごく小さい 0.0108 - 5.33 GiB
Q5_K_S 小さい 0.0166 - 5.21 GiB
Q5_1 小さい 0.0180 - 5.65 GiB
Q5_0 小さい 0.0222 - 5.21 GiB
Q4_K_M 小さい 0.0313 0.0282 4.58 GiB
Q4_K_S 中くらい 0.0431 0.0320 4.37 GiB
IQ4_NL 小さい - 0.0357 4.35 GiB
IQ4_XS 小さい - 0.0363 4.14 GiB
Q4_1 中くらい 0.0717 - 4.78 GiB
Q4_0 中くらい 0.0719 - 4.34 GiB
Q3_K_L 中くらい 0.0872 0.0731 4.03 GiB
Q3_K_M 中くらい 0.1019 0.0844 3.74 GiB
IQ3_M 中くらい - 0.1025 3.53 GiB
IQ3_S 中くらい - 0.1113 3.42 GiB
IQ3_XS 大きい - 0.1387 3.28 GiB
IQ3_XXS 大きい - 0.1836 3.05 GiB
Q3_K_S 大きい 0.2282 0.1998 3.41 GiB
IQ2_M 大きい - 0.3260 2.74 GiB
Q2_K とても大きい 0.4451 0.3322 2.96 GiB
Q2_K_S とても大きい - 0.4034 2.96 GiB
IQ2_S とても大きい - 0.4392 2.56 GiB
IQ2_XS とても大きい - 0.5463 2.43 GiB
IQ2_XXS とても大きい - 0.8120 2.24 GiB
IQ1_M とても大きい - 1.3931 2.01 GiB
IQ1_S とても大きい - 2.2546 1.88 GiB

出典：llama.cpp（MIT）、Llama-3-8B・FP16 を基準・Wikitext-2・revision f364eb6f の測定。 元の表 · 量子化の読み方と選び方

GGUF配布元

unsloth/gemma-3n-E2B-it-GGUF

第三者が変換して配布 この表示について

元モデルの利用には Hugging Face 上での申請・同意が必要です（GGUF自体のダウンロードには影響しません）。

最終確認：2026年11月11日

アーキテクチャ
gemma3n
llama.cpp b5769 以降
パラメータ数
4.5B
最大コンテキスト長
32,768
ライセンス
gemma 条件付き
gemma-3n-E2B-it（unsloth/gemma-3n-E2B-it-GGUF）の量子化ごとのファイルサイズと必要メモリ
量子化 ファイルサイズ 実測 品質の目安 4,096 8,192 16,384 32,768 最大
UD-IQ2_XXS 2.05 GB - 3.19 GB 3.23 GB 3.30 GB 3.43 GB
UD-IQ2_M 2.19 GB - 3.33 GB 3.36 GB 3.43 GB 3.56 GB
Q2_K 2.22 GB とても大きい 3.36 GB 3.40 GB 3.46 GB 3.60 GB
Q2_K_L 2.22 GB - 3.36 GB 3.40 GB 3.46 GB 3.60 GB
UD-IQ3_XXS 2.32 GB - 3.47 GB 3.50 GB 3.57 GB 3.70 GB
Q3_K_S 2.39 GB 大きい 3.53 GB 3.57 GB 3.64 GB 3.77 GB
Q3_K_M 2.48 GB 中くらい 3.62 GB 3.66 GB 3.73 GB 3.86 GB
UD-Q2_K_XL 2.63 GB - 3.77 GB 3.80 GB 3.87 GB 4.00 GB
UD-Q3_K_XL 2.85 GB - 3.99 GB 4.02 GB 4.09 GB 4.22 GB
IQ4_XS 2.91 GB 小さい 4.05 GB 4.08 GB 4.15 GB 4.29 GB
Q4_0 2.97 GB 中くらい 4.11 GB 4.14 GB 4.21 GB 4.34 GB
IQ4_NL 2.97 GB 小さい 4.11 GB 4.14 GB 4.21 GB 4.34 GB
Q4_K_S 2.97 GB 中くらい 4.11 GB 4.14 GB 4.21 GB 4.35 GB
Q4_K_M 3.03 GB 小さい 4.17 GB 4.20 GB 4.27 GB 4.40 GB
Q4_1 3.08 GB 中くらい 4.22 GB 4.25 GB 4.32 GB 4.45 GB
Q5_K_S 3.26 GB 小さい 4.40 GB 4.44 GB 4.50 GB 4.64 GB
Q5_K_M 3.29 GB ごく小さい 4.44 GB 4.47 GB 4.54 GB 4.67 GB
UD-Q4_K_XL 3.75 GB - 4.90 GB 4.93 GB 5.00 GB 5.13 GB
UD-Q5_K_XL 4.01 GB - 5.15 GB 5.19 GB 5.26 GB 5.39 GB
Q6_K 4.21 GB ごく小さい 5.35 GB 5.38 GB 5.45 GB 5.58 GB
UD-Q6_K_XL 4.47 GB - 5.61 GB 5.64 GB 5.71 GB 5.84 GB
Q8_0 4.79 GB ほぼ同じ 5.93 GB 5.96 GB 6.03 GB 6.16 GB
UD-Q8_K_XL 7.47 GB - 8.61 GB 8.64 GB 8.71 GB 8.85 GB
F16 8.92 GB 元の精度 10.1 GB 10.1 GB 10.2 GB 10.3 GB 
Ollama  ollama run hf.co/unsloth/gemma-3n-E2B-it-GGUF:Q4_K_M
llama.cpp  llama-server -hf unsloth/gemma-3n-E2B-it-GGUF:Q4_K_M

主な GPU・Mac での生成の速さ（推定）

Q4_K_M（3.03 GB）で文章を生成する速さの目安です。1トークンごとにモデルの重みを1回読むので、上限はメモリの帯域 ÷ ファイルサイズで決まります。目安はその 6〜8 割で、公開されている実測の多くがこの範囲に入ります。

機種 メモリ帯域 目安（トークン/秒） 推定 上限
Arc A370M 4 GB 112 GB/s 22〜30 37
Arc A770 (8GB) 8 GB 512 GB/s 101〜135 169
GeForce RTX 5090 32 GB 1,792 GB/s 355〜474 592
Apple M2 8 GB 100 GB/s 20〜26 33
Apple M2 Pro 16 GB 200 GB/s 40〜53 66
Apple M5 Ultra 96 GB 1,200 GB/s 238〜317 396

推定です。プロンプトを読み込む速さ（計算の速さで決まる）は含みません。コンテキストが長いほど、また一部を CPU に逃がすと遅くなります。Mac は搭載メモリが必要量の 4/3 以上のものだけを出しています。帯域が公表されていない機種（一部の GeForce など）は出ません。

ライセンスと商用利用

Gemma Terms of Use 条件付き

商用利用できます。禁止用途（Gemma Prohibited Use Policy）に使ってはならず、再配布するときは同じ制限を相手にも課します。Google は規約違反と判断した利用を制限できるとしています。

元のモデルの Hugging Face のページにあるライセンスで判定しています。 ライセンスの原文（2026年10月18日 に確認）

要約は当サイトが原文から読み取った事実で、法的な助言ではありません。実際に使う前に、必ずライセンスの原文と最新の条件を確認してください。 ライセンスごとの一覧

動かし方

このモデルの形式（gemma3n）を llama.cpp の本家が読み込めるのは b5769（2025年6月26日）以降です。Ollama・LM Studio は内部に llama.cpp を取り込んで動くため、アプリが古いと「unknown model architecture」などのエラーで読み込めません。その場合はアプリを最新にしてください。

例として Q4_K_M を使う場合のコマンドです。他の量子化を使う場合は、上の表から量子化名を選んで置き換えてください。 ローカルLLMの動かし方

Ollama

Hugging Face 上の GGUF を直接指定して動かせます。

ollama run hf.co/unsloth/gemma-3n-E2B-it-GGUF:Q4_K_M

llama.cpp

llama-server（または llama-cli）に -hf でリポジトリと量子化名を指定します。

llama-server -hf unsloth/gemma-3n-E2B-it-GGUF:Q4_K_M

LM Studio

検索欄に unsloth/gemma-3n-E2B-it-GGUF を貼り付けてダウンロードし、量子化ファイルの一覧から量子化名を選びます。

よくある質問

gemma-3n-E2B-it（Q4_K_M）を動かすのに必要なメモリはどれくらいですか？
ファイルサイズは3.03 GB（実測）。8,192トークンのコンテキストで動かす場合、KVキャッシュ等を含めた推定必要メモリは4.20 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
gemma-3n-E2B-itは商用利用できますか？
元のモデルのライセンスはGemma Terms of Use（商用利用は条件付き）。商用利用できます。禁止用途（Gemma Prohibited Use Policy）に使ってはならず、再配布するときは同じ制限を相手にも課します。Google は規約違反と判断した利用を制限できるとしています。最終的な判断はライセンスの原文で確認してください。
gemma-3n-E2B-it は VRAM 8GB・12GB・16GB・24GB で動きますか？
8GB なら Q8_0（推定 5.96 GB）まで、12GB なら F16（推定 10.1 GB）まで、16GB なら F16（推定 10.1 GB）まで、24GB なら F16（推定 10.1 GB）まで（8,192 トークン・KV キャッシュ f16 の推定。いちばん多くダウンロードされている配布元のファイル）。
gemma-3n-E2B-it を Ollama で動かすコマンドは？
「ollama run hf.co/unsloth/gemma-3n-E2B-it-GGUF:Q4_K_M」で、Hugging Face の GGUF をそのまま動かせます。ほかの量子化を使うときは、最後の量子化名を置き換えます。