Kan jag köra Gemma 2 27B lokalt?

Ja – vikterna är öppna och finns på google/gemma-2-27b-it på Hugging Face. Med 27 miljarder parametrar behöver du cirka 24 GB VRAM för bekväm lokal inferens; verktyg som Ollama eller LM Studio kan hantera det.

Vad kostar Gemma 2 27B via API?

Google tar $0.65 per miljon tokens för både in- och utmatning, vilket är prisvärt för en modell i denna storlek. Kontextfönstret är 8 192 tokens.

Hur skiljer sig Gemma 2 27B från Gemini-modeller?

Gemma 2 27B bygger på samma forskning som Gemini men är en öppen vikt-utgåva som du kan ladda ner och köra själv; Gemini-modeller är stängda och endast API. Gemma 2 27B är också betydligt mindre än de högsta Gemini-nivåerna.

Gemma 2 27B

3159°

#llm #google #resonemang #sammanfattning #forskning #lokal

Körs på Graydient

Kör modellen

Erbjudanden / annonser

Easy Creator (Prism) Webb

Obegränsat · fast avgift

Bäst för nybörjare. Kraftfulla arbetsflöden, låg inlärningströskel.

PirateDiffusion Telegram

Obegränsat · fast avgift

Skapa videor, bilder, anpassade chattpersonligheter med mera.

Pro studio (SpyGlass) Webb

Obegränsat · fast avgift

Bläddra bland modeller, rendera och förbättra från vilken webbläsare eller telefon som helst.

Discord bot (Vector)

Obegränsat · fast avgift

Lägg till Vector till din server eller gå med i Vector Discord. Skapa vad som helst!

Unified Editor Webb

Obegränsat · fast avgift

Redigerare för bilder och video: rendera, redigera, förstora och mer på en sida.

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Lokala appar

Kräver installation

Installera lokala program om din dator har tillräcklig prestanda.

ModelDuel Webb

Betala per användning

Generera samma prompt på upp till 50 checkpoint-/basmodeller samtidigt.

Hyra GPU i molnet

Graydient Cloud GPU

Obegränsat · fast avgift

Fast avgift, obegränsad användning. Denna modell installeras med ett klick.

RunPod Cloud GPU

Debiteras per minut

Hyra GPU per minut och installera modellen själv.

Guider för denna modell

Ollama vs LM Studio (2026): vilken lokal AI-app du ska använda och vilka toppmodeller varje kör

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Hur mycket VRAM behöver jag egentligen för lokal AI?

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Google | 8 192 tokens kontext | $0.65/M input, $0.65/M output. Gemma 2 27B från Google är en öppen modell byggd på samma forskning och teknik som användes för att skapa Gemini-modellerna. Gemma-modeller är väl lämpade för en rad textgenereringsuppgifter, inklusive frågesvar, sammanfattning och resonemang. Se lanseringsmeddelandetÖppnas i ny flik för mer information. Användning av Gemma omfattas av Googles Gemma Terms of UseÖppnas i ny flik.

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Gemma 2 27B är Googles öppna vikter-modell med 27 miljarder parametrar, instruktionsfinjusterad och byggd på samma forskningslinje som Gemini. Den ligger i en användbar mellanklass: tillräckligt stor för att hantera resonemang, sammanfattning och frågesvar på allvar, tillräckligt liten för att köras lokalt på hårdvara med tillräckligt VRAM. Vikterna är tillgängliga för nedladdning och API-priset är modest.

Känd för

Öppna vikter: ladda ner och kör på egen hårdvara
Stabilt allmänt resonemang och frågesvar för sin storleksklass
Kompetent sammanfattning över varierande texttyper
Delar arkitekturforskning med Googles Gemini-familj
Tillgänglig via Hugging Face på google/gemma-2-27b-it

Se upp för

8 192 tokens kontext är kort enligt dagens standard; långa dokument behöver delas upp.
Användning styrs av Googles Gemma Terms of Use, inte en standard öppen källkodslicens.
Med 27 miljarder parametrar krävs betydande VRAM för lokal användning – planera för 24 GB eller mer.

Bäst för

Promptar att prova

Sammanfatta ett tätt argument

Läs följande stycke och ge mig en sammanfattning i tre stycken: först huvudpåståendet; sedan huvudbeviset; slutligen argumentets svagaste punkt. Säg sedan i en mening om argumentet håller. Klistra in din text under denna rad.

Resonera kring ett beslut

Jag måste avgöra om jag ska migrera en liten produktionsapp från en enda PostgreSQL-instans till en hanterad multi-region setup. Appen har 50 000 aktiva användare per månad, lästung trafik och ett tvåpersoners ingenjörsteam. Gå igenom avvägningarna och ge mig en tydlig rekommendation med din motivering.

Besvara en flerskiktad fråga

Förklara varför centralbanker höjer räntan för att bekämpa inflation, förklara sedan det huvudsakliga sättet detta kan slå fel, och slutligen berätta vilken indikator en ekonom skulle följa för att veta om det fungerar. Håll varje del till två eller tre meningar.

Jämför med

Gemini 4 Argon
Endast API-modell
1,048,576 tokens kontext · $2.00/M indata, $10.00/M utdata
Gemini 2.5 Pro Preview 06-05
Endast API-modell
1,048,576 tokens kontext · $1.25/M indata, $10.00/M utdata
Nano Banana Pro (Gemini 3 Pro Image)
Endast API-modell
131,072 tokens kontext · $2.00/M indata, $12.00/M utdata
Gemini 3.1 Flash Lite Preview
Endast API-modell
1,048,576 tokens kontext · $0.25/M indata, $1.50/M utdata

Fler textmodeller från google

Vanliga frågor

Kan jag köra Gemma 2 27B lokalt?: Ja – vikterna är öppna och finns på google/gemma-2-27b-it på Hugging Face. Med 27 miljarder parametrar behöver du cirka 24 GB VRAM för bekväm lokal inferens; verktyg som Ollama eller LM Studio kan hantera det.
Vad kostar Gemma 2 27B via API?: Google tar $0.65 per miljon tokens för både in- och utmatning, vilket är prisvärt för en modell i denna storlek. Kontextfönstret är 8 192 tokens.
Hur skiljer sig Gemma 2 27B från Gemini-modeller?: Gemma 2 27B bygger på samma forskning som Gemini men är en öppen vikt-utgåva som du kan ladda ner och köra själv; Gemini-modeller är stängda och endast API. Gemma 2 27B är också betydligt mindre än de högsta Gemini-nivåerna.

Kaptens omdöme
En kapabel modell med öppna vikter till ett rimligt pris – värd att överväga om lokal installation eller budget spelar roll och du inte behöver ett långt kontextfönster.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

GPT 4o

TEXT / LLM

Meta Llama 3 70B Instruct

TEXT / LLM

Hunyuan A13B Instruct

TEXT / LLM

Qwen3 235B A22B

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Gemma 2 27B är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller, se dess hettapoäng och prova den på PirateDiffusion eller BitVector.

Fler Text / LLM-modeller llm google resonemang sammanfattning forskning lokal

Bläddra efter modellfamilj