Arrakis / 模型 / diffusiongemma-26B-A4B-it

diffusiongemma-26B-A4B-it 的 GPU 需求

diffusiongemma-26B-A4B-it 有 26B 参数。部署推理时，16 位约需 62 GB 显存，8 位约 31 GB，4 位约 15 GB，其中包含约 20% 用于 KV 缓存和激活值。

它是混合专家模型：共 128 个专家，每个 token 激活其中 8 个。所有专家都常驻显存，因此显存要按全部 26B 参数来规划。

部署推理需要什么

推理运行它所需的显存，能放下它的最小 GPU 配置，以及 Arrakis 当前的最低价格。

精度	显存与最小配置
16 位	62 GB：一块 H100 或 A100，H100 每 GPU 小时 $2.25 起
8 位	31 GB：一块 RTX 5090，每 GPU 小时 $0.58 起
4 位	15 GB：一块 RTX 4090 或 RTX 3090，RTX 3090 每 GPU 小时 $0.19 起

微调需要什么

QLoRA 在冻结的 4 位模型上训练适配器，LoRA 基于 16 位模型，全量微调则会更新所有权重。以上数字不含激活值，激活值会随批大小和序列长度增长。

方法	显存与最小配置
QLoRA	18 GB：一块 RTX 4090 或 RTX 3090，RTX 3090 每 GPU 小时 $0.19 起
LoRA	62 GB：一块 H100 或 A100，H100 每 GPU 小时 $2.25 起
全量微调	413 GB：2 × B300，2 块合计每小时 $9.20 起

关于这个模型

来自它在 Hugging Face 上的模型卡和文件。本页的显存数字遵循GPU 显存指南。

参数量: 26B
每个 token 激活的参数: 4B
专家数: 128
每个 token 的专家数: 8
上下文窗口（token）: 262,144
发布精度: BF16
许可证: apache-2.0
发布日期: 2026-06-09
权重: google/diffusiongemma-26B-A4B-it

在 Arrakis 上部署

在控制台中打开 Models，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。也可以在任何显存足够的机器上自己运行：

vLLM

vllm serve google/diffusiongemma-26B-A4B-it --tensor-parallel-size 1

部署这个模型部署是怎么运作的

常见问题

所有 GPU 的实时价格见 GPU 价格页面。

diffusiongemma-26B-A4B-it 需要多少显存？

推理部署时，16 位约需 62 GB，8 位约 31 GB，4 位约 15 GB，其中包含约 20% 用于 KV 缓存和激活值。微调时，QLoRA 约需 18 GB，LoRA 约需 62 GB，使用 Adam 全量微调约需 413 GB，均未计入激活值。

diffusiongemma-26B-A4B-it 能在单块 GPU 上运行吗？

可以。16 位下约需 62 GB，一块 H100 或 A100 就能放下。

运行 diffusiongemma-26B-A4B-it 要多少钱？

16 位下需要一块 H100 或 A100；4 位下需要一块 RTX 4090 或 RTX 3090。本页每种配置都显示 Arrakis 当前每 GPU 小时的最低价格，从预付余额中按小时扣费。

如何在 Arrakis 上部署 diffusiongemma-26B-A4B-it？

在 Arrakis 控制台中打开 Models，粘贴 google/diffusiongemma-26B-A4B-it，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。