Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Gemma 4 26B A4B vs Qwen3 30B A3B para chat local

Dois modelos de chat de mistura de especialistas para uma máquina de 24 a 32 GB

Fatos do catálogo revisado

Fatos do catálogo revisado
EspecificaçãoGemma 4 26B A4BQwen3 30B A3B Instruct 2507
TarefaTexto e chatTexto e chat
Parâmetros25,2B · 3,8B ativos30,5B · 3,3B ativos
LicençaApache 2.0Apache 2.0
Uso comercialPermitidotexto da licençaPermitidotexto da licença
Qualidade · LMArena 2026-10-22 · texto1.437 ± 71.430–1.445 · 6.092 votos · posição 100 · fonte1.382 ± 51.377–1.387 · 23.306 votos · posição 190 · fonte
Memóriaestimativa de planejamento Q4 (~19 GB de pesos antes da reserva da máquina)estimativa de planejamento Q4 (~23 GB de pesos antes da reserva da máquina)
Checkpointficha oficialficha oficial

No LMArena 2026-10-22 · texto, o Gemma 4 26B A4B tem 1.437 ± 7 contra 1.382 ± 5 do Qwen3 30B A3B Instruct 2507, 55 pontos à frente, com intervalos que não se sobrepõem. Votos cegos de pessoas em pares, no modelo hospedado, CC BY 4.0. A pontuação é relativa; intervalos que se sobrepõem significam que a ordem não está definida. Escala: pontuação Arena (controle de estilo, geral) ± metade do intervalo de confiança.

Memória em três máquinas

A reserva de cada máquina é somada (placas de vídeo 2 GB; memória unificada e do sistema 25%, de 2 a 8 GB). Estimativas de planejamento, não execuções medidas.

Gemma 4 26B A4B vs Qwen3 30B A3B para chat local: memória em três máquinas
MáquinaGemma 4 26B A4BQwen3 30B A3B Instruct 2507
RTX 4090 · 24 GB de VRAM~21 GBCabe na memória rápida~25 GBNa memória, fora da parte rápida · offload para a RAM do PC (32 GB presumidos)
RTX 5090 · 32 GB de VRAM~21 GBCabe na memória rápida~25 GBCabe na memória rápida
MacBook Air 13 polegadas M4 · 32 GB unificados~27 GBCabe na memória rápida~31 GBCabe na memória rápida

Gemma 4 26B A4B: estimativa de planejamento Q4 (~19 GB de pesos antes da reserva da máquina). Qwen3 30B A3B Instruct 2507: estimativa de planejamento Q4 (~23 GB de pesos antes da reserva da máquina). Fórmulas

Tudo o que roda em cada máquina: RTX 4090 · 24 GB de VRAM · RTX 5090 · 32 GB de VRAM · MacBook Air 13 polegadas M4 · 32 GB unificados

Qual escolher

Os dois ativam cerca de 4 bilhões de parâmetros por token ou menos (3,8 bilhões no Gemma 4, 3,3 bilhões no Qwen3), então geram rápido para o tamanho, e os dois são Apache 2.0 com contexto de 262.144 tokens. O Gemma 4 26B A4B é um pouco menor no total (25,2 bilhões contra 30,5), então seus pesos Q4 ocupam cerca de 19 GB contra 23 GB, e ele lê imagens; o Qwen3 30B A3B Instruct 2507 é só texto. Na mesma rodada de texto do LMArena o Gemma 4 26B A4B tem nota maior.

Arquivos e comandos para rodar

O arquivo padrão da fonte coletada mais baixada, ou os comandos que cada ficha documenta. Não executados por este site.

Gemma 4 26B A4B

unsloth/gemma-4-26B-A4B-it-GGUF · gemma-4-26B-A4B-it-UD-Q4_K_M.gguf · UD-Q4_K_M · 16,9 GB · unsloth

ollama run hf.co/unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_M
llama-server -hf unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_M
lms get https://huggingface.co/unsloth/gemma-4-26B-A4B-it-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

Qwen3 30B A3B Instruct 2507

unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF · Qwen3-30B-A3B-Instruct-2507-Q4_K_M.gguf · Q4_K_M · 18,6 GB · unsloth

ollama run hf.co/unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF:Q4_K_M
llama-server -hf unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF:Q4_K_M
lms get https://huggingface.co/unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF
  • mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac

Números que cada publicador informa

Os resultados de cada ficha, com a configuração de cada uma. Publicadores escolhem testes e configurações diferentes, então estes valores nunca são comparados entre publicadores aqui.

Gemma 4 26B A4B · informado por Google

15 resultados · ficha de Google · lida em 2026-10-25
MMLU Pro
82,6%
AIME 2026 no tools
88,3%
LiveCodeBench v6
77,1%
Codeforces ELO
1.718
GPQA Diamond
82,3%
Tau2 (average over 3)
68,2%
HLE no tools
8,7%
HLE with search
17,2%
Todos os resultados informados15
BigBench Extra Hard
64,8%
MMMLU
86,3%
MMMU Pro
73,8%Vision
OmniDocBench 1.5 (average edit distance, lower is better)
0,149Vision
MATH-Vision
82,4%Vision
MedXPertQA MM
58,1%Vision
MRCR v2 8 needle 128k (average)
44,1%Long Context

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark Results); coluna “Gemma 4 26B A4B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Qwen3 30B A3B Instruct 2507 · informado por Alibaba

25 resultados · ficha de Alibaba · lida em 2026-10-25
MMLU-Pro
78,4Knowledge
MMLU-Redux
89,3Knowledge
GPQA
70,4Knowledge
SuperGPQA
53,4Knowledge
AIME25
61,3Reasoning
HMMT25
43,0Reasoning
ZebraLogic
90,0Reasoning
LiveBench 20241125
69,0Reasoning
Todos os resultados informados25
LiveCodeBench v6 (25.02-25.05)
43,2Coding
MultiPL-E
83,8Coding
Aider-Polyglot
35,6Coding
IFEval
84,7Alignment
Arena-Hard v2
69,0Alignment
Creative Writing v3
86,0Alignment
WritingBench
85,5Alignment
BFCL-v3
65,1Agent
TAU1-Retail
59,1Agent
TAU1-Airline
40,0Agent
TAU2-Retail
57,0Agent
TAU2-Airline
38,0Agent
TAU2-Telecom
12,3Agent
MultiIF
67,9Multilingualism
MMLU-ProX
72,0Multilingualism
INCLUDE
71,9Multilingualism
PolyMATH
43,1Multilingualism

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Performance); coluna “Qwen3-30B-A3B-Instruct-2507”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Limites e datas

O benchmark de qualidade publicado não testa uma versão local quantizada. Estimativas de memória não medem velocidade nem garantem compatibilidade. Tamanho de repositório, quando disponível, não é VRAM. Fórmulas

Página atualizada em · Catálogo revisado em · LMArena 2026-10-22 · texto