Gemma-4-E2B-it — это самая компактная и энергоэффективная модель в линейке, предназначенная для работы в условиях предельно ограниченных ресурсов. Как и версия E4B, модель использует технику Per-Layer Embeddings (PLE), позволяющую достичь высокой производительности при минимальном потреблении памяти. Общий объем параметров модели составляет 5.1 миллиарда, но во время вывода активна лишь эффективная часть — 2.3 миллиарда. Модель построена на 35 слоях, поддерживает контекстное окно в 128 тысяч токенов и использует гибридное внимание со скользящим окном на 512 токенов.
E2B является полностью мультимодальной и способна обрабатывать не только текст и изображения, но и аудио (оснащена аудио-энкодером на ~300M параметров). Этот набор возможностей при крайне низких требованиях к памяти делает модель уникальной в своём классе. Разработчики подчеркивают, что E2B специально спроектирована для эффективного локального использования на ноутбуках и мобильных устройствах. По оценкам сообщества, модель способна работать на устройствах с оперативной памятью менее 1.5 ГБ, включая смартфоны.
Несмотря на скромный размер, E2B демонстрирует впечатляющие результаты. По многочисленным независимым оценкам сообщества, эта модель превосходит Gemma-3 27B в некоторых задачах несмотря на то, что её эффективный размер в 12 раз меньше. Разработчики особенно рекомендуют E2B для рутинных агентных процессов, задач оптического распознавания символов (OCR) и сценариев, где критически важны низкая задержка и возможность инференса на периферийных устройствах. При этом лицензия Apache 2.0 открывает широкие возможности для внедрения модели в самые разнообразные коммерческие приложения.
С рекомендации по использованию модели от разработчиков можно ознакомиться по этой ссылке - https://ai.google.dev/gemma/docs/core/model_card_4?hl=ru
| Наименование модели | Контекст | Тип | GPU | Статус | Ссылка |
|---|
Для данной модели пока нет публичных эндпоинтов.
Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.
Мы рекомендуем создание частных инстансов в случаях, если необходимо:
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
131 072 |
1 | 29,33 ₽ | 3,57 | Запустить | ||
131 072 |
1 | 33,74 ₽ | 3,62 | Запустить | ||
131 072 |
1 | 46,94 ₽ | 145,50 | 12,17 | Запустить | |
131 072 tensor |
2 | 61,37 ₽ | 3,40 | Запустить | ||
131 072 |
1 | 73,73 ₽ | 13,32 | Запустить | ||
131 072 tensor |
2 | 86,54 ₽ | 2,37 | Запустить | ||
131 072 |
1 | 91,14 ₽ | 13,28 | Запустить | ||
131 072 tensor |
2 | 109,77 ₽ | 16,33 | Запустить | ||
131 072 |
1 | 141,77 ₽ | 21,76 | Запустить | ||
131 072 |
1 | 211,77 ₽ | 73,62 | Запустить | ||
131 072 |
1 | 341,77 ₽ | 73,55 | Запустить | ||
131 072 |
1 | 367,41 ₽ | 88,61 | Запустить | ||
131 072 tensor |
2 | 411,81 ₽ | 77,78 | Запустить | ||
131 072 |
1 | 423,04 ₽ | 139,19 | Запустить | ||
131 072 tensor |
2 | 839,97 ₽ | 143,35 | Запустить | ||
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
131 072 |
1 | 29,33 ₽ | 1,84 | Запустить | ||
131 072 |
1 | 33,74 ₽ | 1,89 | Запустить | ||
131 072 |
1 | 46,94 ₽ | 10,44 | Запустить | ||
131 072 tensor |
2 | 61,37 ₽ | 2,53 | Запустить | ||
131 072 |
1 | 73,73 ₽ | 11,59 | Запустить | ||
131 072 tensor |
2 | 86,54 ₽ | 1,50 | Запустить | ||
131 072 |
1 | 91,14 ₽ | 11,55 | Запустить | ||
131 072 tensor |
2 | 109,77 ₽ | 15,46 | Запустить | ||
131 072 |
1 | 141,77 ₽ | 20,02 | Запустить | ||
131 072 |
1 | 211,77 ₽ | 71,89 | Запустить | ||
131 072 |
1 | 341,77 ₽ | 71,82 | Запустить | ||
131 072 |
1 | 367,41 ₽ | 86,88 | Запустить | ||
131 072 tensor |
2 | 411,81 ₽ | 76,91 | Запустить | ||
131 072 |
1 | 423,04 ₽ | 137,46 | Запустить | ||
131 072 tensor |
2 | 839,97 ₽ | 142,48 | Запустить | ||
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
131 072 |
1 | 46,94 ₽ | 9,25 | Запустить | ||
131 072 tensor |
2 | 48,14 ₽ | 6,27 | Запустить | ||
131 072 tensor |
2 | 51,34 ₽ | 6,31 | Запустить | ||
131 072 tensor |
2 | 61,37 ₽ | 1,93 | Запустить | ||
131 072 |
1 | 73,73 ₽ | 10,40 | Запустить | ||
131 072 |
1 | 91,14 ₽ | 10,35 | Запустить | ||
131 072 tensor |
2 | 109,77 ₽ | 14,86 | Запустить | ||
131 072 pipeline |
3 | 127,37 ₽ | 2,67 | Запустить | ||
131 072 |
1 | 141,77 ₽ | 18,83 | Запустить | ||
131 072 tensor |
4 | 162,57 ₽ | 3,71 | Запустить | ||
131 072 |
1 | 211,77 ₽ | 70,70 | Запустить | ||
131 072 |
1 | 341,77 ₽ | 70,62 | Запустить | ||
131 072 |
1 | 367,41 ₽ | 85,69 | Запустить | ||
131 072 tensor |
2 | 411,81 ₽ | 76,32 | Запустить | ||
131 072 |
1 | 423,04 ₽ | 136,27 | Запустить | ||
131 072 tensor |
2 | 839,97 ₽ | 141,88 | Запустить | ||
Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.