手机跑大模型，常见难题不是算不动，而是内存装不下。Noema 创始人在 Reddit 展示了一个取巧办法：让 Q4_K_M 版 Gemma 4 26B-A4B 在 iPhone 17 Pro 上分页运行。模型分页像把厚书分册取用，不把全部权重同时塞进 RAM（高速工作内存）；普通权重留在 RAM，专家权重——模型中负责不同任务的参数块——需要时再从 SSD（容量更大但更慢的闪存）读取。
代价很直接：能装下，不等于跑得快。作者自述，699 token 的输入以每秒 34.4 token 完成预处理，用时 20.34 秒；随后生成速度为每秒 3.5 token，完整回答约花 6 分钟。TTFT——提交问题后等到第一个文本片段的时间——和生成速度都会因读取闪存而变慢。这个演示的意义，是把手机本地模型的容量边界继续往上推；但目前证据来自团队自己的展示，摘要没有披露内存占用、功耗或独立测试结果。