検証公開 2026-09-27· 約7分

Raspberry Pi 5でGemma 4 E2Bをオフライン実行──LiteRT-LMでプリフィル99トークン/秒・デコード9トークン/秒・ピークメモリ1,432MB、生成は約300語/分（人の会話の2倍）。GPUにYOLOの物体検出を逃がし、CPUでMoonshineの音声認識・Gemma・TTSを回すReachy Miniロボットの構成。pip install litert-cliで開始

GoogleとRaspberry Pi Ltd・Igaliaのエンジニアは2026年8月11日、Raspberry Pi 5でLiteRTとGemmaを使い、クラウドに依存しないエッジAIを組む手順を公開した。Gemmaの選択肢はGemma 3 270M・EmbeddingGemma 300M・Gemma 3 1B・Gemma 4 E2B・Gemma 4 E4B。Pi 5のCPUでLiteRT-LMがGemma 4 E2Bを動かすとプリフィル99トークン/秒・デコード9トークン/秒・ピークメモリ1,432MBで、約27.3文字/秒、約300語/分。GPUのVideoCore VIIはCPUより非力だが、WebGPU（Vulkan）経由のML Driftで視覚・音声モデルをGPUに逃がしCPUをLLMに残す。Reachy Miniのデモは、YOLOをGPU、Moonshineの音声認識・Gemma 4 E2B・TTSをCPUで並列に回す。LiteRT CLI（pip install litert-cli）で変換・量子化・ベンチ・推論を一括。

執筆・編集：AI時短ラボ

遅い秒間トークンが速く感じる理由
原文の数字は確認、実機未検証
E4Bの数字・日本語効率・電力は未記載
出典：Raspberry Pi向け技術記事
関連記事

2026年9月18日・日本時間時点の情報です。 Google Developersのブログ（8月11日）を読んだ。当サイトはRaspberry Piで動くオフラインの車載エージェントやローカルLLMの音声対話の実現性を扱ったが、Google公式の「Pi 5でGemmaを何トークン/秒で回せるか」の数字は書いていなかった。

3行まとめ

どのGemmaを選ぶか。 記事はPi向けに5つを並べる。Gemma 3 270M（微調整前提の超小型。感情分析や抽出）、EmbeddingGemma 300M（端末内の埋め込み。RAG・検索・分類）、Gemma 3 1B（多言語のテキスト専用。要約・作文）、Gemma 4 E2B（メモリマップされた層別埋め込みで、RAM節約が最優先の常時監視・音声処理向け）、Gemma 4 E4B（推論力と大きさの均衡点。複数段の計画）。

数字。 Pi 5のCPUで、LiteRTの上のオーケストレーション層LiteRT-LM（XNNPACKでCPU加速）がGemma 4 E2Bをプリフィル99トークン/秒・デコード9トークン/秒・ピークメモリ1,432MBで動かす。E2Bのトークナイザは1トークン約4.2文字と効率がよく、Reachy Miniの音声デモでは約27.3文字/秒＝約300語/分の生成で、人の会話（約150語/分）の2倍。GPU側は、CPU（Cortex-A76×4、約153.6 GFLOPS FP32／約2.0 TOPS INT8）に対しVideoCore VII（800MHz、約76.8 GFLOPS／約0.24 TOPS）と非力だが、LiteRTのWebGPU（Vulkan）バックエンド（ML Drift）で視覚・音声・埋め込みモデル（MediaPipe・Ultralytics YOLO・Moonshine等）をGPUに逃がし、CPUをLLMと全体の制御に残す異種並列の設計を勧める。

Reachy Miniの構成とツール。 Pollen RoboticsのロボットReachy Miniのデモは、①カメラ映像のYOLO物体検出をGPUで常時、②発話の音声認識（Moonshine）をCPU、③Gemma 4 E2B（CPU）が書き起こしと最新の視覚メタデータから返答と身振りをストリーミング生成、④TTS（CPU）が音声にして返す、の4系統を並列に回す。開発はLiteRT CLI（pip install litert-cli）で変換・量子化・ベンチマーク・推論を1つのコマンド群にまとめ、LiteRT CLIのスキルをAntigravity等のコーディングエージェントに入れると、オフラインの音声翻訳機（Gemma Translator）のような多段の作業をエージェントに任せられる。IoT向けにバイナリの配布サイズも小さいとする（比較表は画像）。

遅い秒間トークンが速く感じる理由

「デコード9トークン/秒」は文章生成としては遅い部類だが、E2Bのトークナイザが1トークンに多くの文字を詰めるため、体感の文字数は人の話速を上回る、という説明。日本語での文字/トークン比は本文にない
GPUが「CPUより弱い」と明記したうえで、負荷の分離（熱と優先度）のために使う、という整理は、当サイトの車載エージェントでも同じ悩みがあった
ロボット側の記事として読むと、ADK for Kotlinの端末内エージェントがAndroid、こちらがLinux SBC、と住み分けている
ベンチマークはGoogle側の測定で、温度や電源による変動は書かれていない

原文の数字は確認、実機未検証

この記事の下調べで、筆者は9月18日にGoogle Developersのブログを取得し、5モデルの説明・99／9トークン/秒・1,432MB・約4.2文字/トークン・約27.3文字/秒・GPUとCPUのFLOPS・Reachy Miniの4系統・CLIのインストール手順がその原文にあることを確認した。GitHubのサンプルは開いていない。筆者はRaspberry Pi 5でLiteRTを動かしていない。