開発ログ2026年4月5日by K.hirano

Gemma 4 E2B vs E4B：24問実測で見えた速度5倍差の使い分け基準

gemma4:e2b/e4bの24問ベンチマーク結果を比較。スコア差、速度差、APUでの使い分け、Ollamaで試す前の判断基準を整理します。

#dev-log#gemma4#local-llm#benchmark#apu#gemma-4-e4b

gemma4:e2bとe4bで迷っている人向けに、スコア・速度・APU実用性の差から先に結論を確認できます。

gemma4:e2b（5.1B）は196/240点・ランクA、e4b（8B）は218/240点・ランクS。差がつくのは論理推論（B: 40点 vs 60点）だけで、コーディングは両者とも60/60満点。日常タスクならE2Bで十分、複雑な多段推論だけE4Bが有利。

📋 この記事で使用したテスト問題（全24問）は LLM 24問テストスイートで確認できます。

まず結論：速度はE2B、推論はE4B

今回の実測では、ざっくりこうでした。

項目	E2B	E4B	差分
総合スコア	196/240（81.7%・ランクA）	218/240（90.8%・ランクS）	22点差
A: 意地悪	45/60（75%）	43/60（71.7%）	E2B勝ち
B: 論理推論	40/60（67%）	60/60（100%）	最大の差
C: コーディング	60/60（100%）	60/60（100%）	差なし
D: 日本語力	51/60（85%）	55/60（91.7%）	E4B優位・差は小さい
推論速度	19.5 tok/s（Radeon 780M iGPU）	102.7 tok/s（RTX 4070 Ti）	約5.3倍

この数字だけ見ると「じゃあE4Bで全部よくない？」となりそうですが、現場ではそう単純ではありません。 遅さは、ベンチ上の不満ではなく、使う回数が増えたときのストレスとして効いてきます。

比較条件：同じ土俵で見たかった

比較で一番大事なのは、モデル名より条件です。条件がズレると、数字だけ立派な別物になります。

今回の見方は次の通りです。

Gemma 4 E2B と Gemma 4 E4B を比較
実機上での応答品質と速度を重視
24問のセットで、日常利用に近いタスクを中心に確認
コーディング、要約、推論、軽い変換、やや難しめの指示追従を含める
そして、両者ともB6（偽コイン12枚）ではタイムアウト

ここは地味ですが重要です。 このクラスの壁は、E2BでもE4Bでも超えられませんでした。 つまり、どちらを選んでも「万能」にはならない、ということです。

コーディングは両者とも完璧。差はほぼ出ない

ここはコーディング問題に身構えていたぶん、肩の力が抜けました。

コード補完や小さめの実装支援では、E2BとE4Bの差がほとんど見えませんでした。少なくとも今回の24問では、Cは60/60で両者とも満点です。

ここで大事なのは、「コードが書ける」ことと「複雑な設計判断ができる」ことは別、という点です。単発の関数修正、軽いリファクタ、既存コードの意図把握なら、E2Bで十分に戦えます。

つまり、コーディング用途だけでE4Bを選ぶ理由は薄いです。速度差を考えると、むしろE2Bのほうが気持ちよく回ります。

差が出たのは論理推論。ここでE4Bが一段上

本題はここです。

E2Bは軽快ですが、論理推論が少し苦しい場面がありました。一方のE4Bは、複数条件をまたぐ判断や、途中で前提を保持したまま結論へ進む処理が安定していました。

この差は点数にすると大きく見えますが、実務上はもっと分かりやすいです。

E2B：短い指示、定型処理、単発の変換に強い
E4B：複数ステップの推論、条件整理、矛盾チェックに強い

特に「AかBかを見分ける」だけでなく、「AでもBでもなく、条件次第でC」というタイプの問いでは、E4Bが安定しました。ここはモデルサイズの差が、そのまま出た印象です。

速度差5倍は、想像以上に体験を変える

速度は数字以上に効きます。 E2B 19.5 tok/s（Radeon 780M iGPU）、E4B 102.7 tok/s（RTX 4070 Ti）。約5.3倍の差です。なお、テスト環境が異なる（APU vs dGPU）ため、純粋なモデルサイズ差だけではなくGPU性能差も含まれています。

これが意味するのは、単純に「待ち時間が短い」だけではありません。

途中で修正したいときに、すぐ再実行できる
試行回数を増やしてもストレスが少ない
失敗しても「まあもう一回」で済む
ローカル実行のメリットがはっきり出る

逆にE4Bは、1回あたりの重みが増えます。正確さは欲しい。でもテンポは欲しい。この両立が難しいとき、E2Bの軽さはかなり効きます。

B6で両方タイムアウトした意味

今回、B6（偽コイン12枚）は両モデルともタイムアウトでした。ここは「E4Bなら解けるはず」と期待していると肩透かしです。

ただ、失敗の価値はあります。この結果から言えるのは、E2BとE4Bの差は“万能性の差”ではなく、“中難度までの安定性”の差だということです。

つまり、難問クラスに入ると、どちらも止まる。ならば、普段使いで重いE4Bを抱えるより、日常タスクはE2Bで回し、必要なときだけ別の手段を考えるほうが現実的です。

実務での使い分け：こう分けると迷いにくい

E2Bが向く場面

メモ要約
軽い翻訳
コード断片の生成
単発の質問応答
速度を優先したいローカル運用
APUや省電力環境で、できるだけ回転率を上げたいとき

E4Bが向く場面

条件が多い推論
前提を保持したまま判断したいとき
文章の整合性チェック
ちょっとした“考えてから答える”系の仕事
速度よりも正確さの上振れが欲しい場面

どちらにも不要な場面

難問を一発で完全解決したい
長い多段推論を毎回安定させたい
ベンチの総合点だけで全部片づけたい

このあたりは、モデルサイズ以前に、そもそも用途が違うと割り切ったほうがいいです。

E4B記事を読んだ人が、E2Bで確認すべきこと

E4B単体の記事を読んで「強いな」と思った人ほど、E2Bに落としたときの落差が気になるはずです。その疑問は自然です。

ただし、確認すべきポイントは「性能が下がるか」ではなく、どの作業が本当にE4Bを必要としていたのかです。

次に見るべきはここです。

自分の作業に多段推論がどれだけあるか
1回の精度と、1日の試行回数のどちらが重いか
速度低下を我慢してでも、推論の安定性が欲しいか
省電力環境で、E4Bを常用する意味があるか

ここを整理すると、無駄に上位モデルへ引っ張られなくなります。

まとめ：上位互換ではなく、用途で選ぶ

今回の24問比較で見えたのは、E2BとE4Bは「上か下か」ではなく、得意な場面が違うということです。

コーディングは両者とも強い
論理推論はE4Bが一歩上
速度はE2Bが圧勝
難問クラスでは両方とも止まる

なので判断基準はかなり明快です。

日常タスクを軽快に回したいならE2B
複雑な推論を少しでも安定させたいならE4B

私は今回の結果を見て、E2Bを「妥協版」とは呼びません。むしろ、省電力・ローカル運用では、かなり筋のいい実用版です。そしてE4Bは、データでは上位ですが、速度まで含めると常用の重さが出ます。

この差を知っているだけで、モデル選びはだいぶ楽になります。

よくある質問

E2BとE4Bで量子化は同じですか？

今回はどちらも Ollama のデフォルト量子化で動かしています。量子化レベルを変えると速度・精度ともに変わりますが、その比較は今回の対象外です。

E2BをNVIDIA GPU で動かしたらE4Bより速くなりますか？

RTX 4070 Ti 相当のdGPU なら E2B は 40〜50 tok/s 程度は出ると想定されます。今回はAPU環境でのコスパ比較が主目的のため、同一GPU環境での比較はしていません。

B6（偽コイン12枚）はどちらが諦めが早かったですか？

両モデルともタイムアウト（時間切れ終了）でした。どちらが「惜しい答え」を出したかの詳細は今回未計測です。

検証環境メモ

項目	E2B	E4B
モデル	gemma4:e2b（5.1B）	gemma4:e4b（8B）
テスト機	ワークステーション	aiserver
GPU	Radeon 780M（iGPU）	RTX 4070 Ti 12GB
推論速度	19.5 tok/s	102.7 tok/s
テスト日	2026-04-04	2026-04-03

注意: テスト環境（GPU）が異なるため、速度差はモデルサイズだけでなくGPU性能差も含みます。

この記事は、実務で AI ツールを活用している開発者・技術者向けに書いています。

参考リンク

META-MARK

この記事を書いた人

HW系エンジニアとして20年以上、10,000件を超える顧客訪問と2,000件を超える単独ソリューション実績。AIツールを使った個人開発やIoT農園など、Raspberry Piを使ったオートメーション化なども実践中です！エンジニア専門結婚相談所も運営中、ClaudeCodeで解決できない心の課題も解決いたします！