Gemma 4 26B cục bộ so với API: Thiết lập 2GB, tốc độ và chi phí

TL;DR

TurboFieldfare báo cáo chạy cấu hình Gemma 4 26B chỉ văn bản với khoảng 2GB bộ nhớ thời gian chạy bằng cách giữ các thành phần dùng chung và bộ đệm KV 4K trong bộ nhớ, đồng thời phát luồng các “expert” được định tuyến từ SSD. Đây là một cấu hình tối ưu cho bộ nhớ thấp trên Apple Silicon — không phải mức yêu cầu tối thiểu phổ quát cho Gemma 4 26B.

Gemma 4 26B A4B là mô hình Mixture-of-Experts 25,2B tham số, kích hoạt khoảng 3,8B tham số mỗi token. Google cũng cung cấp quyền truy cập dạng hosted qua Gemini API với model ID gemma-4-26b-a4b-it.

TurboFieldfare giảm bộ nhớ thường trú bằng cách chỉ giữ lõi mô hình dùng chung, bộ đệm KV và các “expert” được dùng gần đây trong bộ nhớ. Các “expert” khác sẽ được nạp từ SSD khi từng token được tạo.

Kết quả 2GB đi kèm một số giới hạn:

• Sử dụng bộ đệm KV 4K, không phải toàn bộ cửa sổ ngữ cảnh 256K của mô hình.
• Việc cài đặt mô hình cục bộ vẫn cần khoảng 14,3GB dung lượng SSD.
• Hiệu năng phụ thuộc vào tốc độ SSD, hành vi bộ đệm và phần cứng Apple Silicon.
• Runtime hiện tại chỉ hỗ trợ suy luận văn bản.

Lộ trình cục bộ hướng tới sử dụng ngoại tuyến, quyền riêng tư trên thiết bị và kiểm soát phần cứng. API hosted của Google hỗ trợ đầu vào văn bản và hình ảnh, hạ tầng được quản lý và khả năng mở rộng dễ dàng.

Tài liệu này giải thích thiết lập 2GB, sau đó so sánh suy luận cục bộ với API của Google về bộ nhớ, tốc độ, ngữ cảnh, quyền riêng tư, mức độ sẵn sàng cho sản xuất và tổng chi phí.

Gemma 4 26B API vs Local at a Glance

Theo model card chính thức của Gemma 4, biến thể 26B A4B dùng 128 expert định tuyến, kích hoạt tám expert định tuyến mỗi token và gồm một expert dùng chung.

Quick Background on Gemma 4 26B A4B

Gemma 4 (phát hành ~tháng 4/2026 bởi Google DeepMind theo Apache 2.0) gồm các mô hình dense (E2B, E4B, 12B, 31B) và biến thể Mixture-of-Experts (MoE) này: khoảng 25,2B tổng tham số nhưng chỉ khoảng 3,8B hoạt động mỗi token (A4B). Mô hình định tuyến mỗi token tới một tập nhỏ các expert (thường 8 đang hoạt động trong tổng số 128 + 1 expert dùng chung). Điều này mang lại chất lượng gần 31B với chi phí tính toán cỡ 4B, có cửa sổ ngữ cảnh 256K và hỗ trợ đa phương thức (văn bản + hình ảnh).

Phân biệt quan trọng: Tất cả ~26B tham số vẫn phải có sẵn để định tuyến. Các runtime thông thường (Ollama, llama.cpp, LM Studio, vLLM, v.v.) nạp toàn bộ trọng số đã lượng tử vào RAM/VRAM.

What Does the 2GB Local Gemma 4 Claim Mean?

Kết quả 2GB đến từ TurboFieldfare, một runtime Swift và Metal độc lập được xây dựng riêng cho Gemma 4 26B A4B trên Apple Silicon.

TurboFieldfare không giữ toàn bộ cài đặt mô hình cục bộ trong bộ nhớ hợp nhất. Nó giữ một lõi mô hình dùng chung 1,35GB và bộ đệm KV FP16 trong bộ nhớ, rồi phát luồng các expert được định tuyến cần thiết cho mỗi token từ SSD.

Dự án báo cáo cấu hình tham chiếu sau:

Đây là các số liệu từ cộng đồng chứ không phải benchmark chính thức của Google. Độ dài prompt, độ dài sinh ra, hiệu năng SSD, hành vi bộ đệm expert và cấu hình phần cứng đều có thể ảnh hưởng tới kết quả.

Tóm tắt chính xác là:

TurboFieldfare chạy cấu hình Gemma 4 26B A4B đã lượng tử, chỉ văn bản, sử dụng khoảng 2GB cho trọng số và bộ đệm KV 4K bằng cách phát luồng các expert được định tuyến từ SSD.

Không nên tóm tắt thành:

Gemma 4 26B chỉ cần 2GB RAM.

Khẳng định ngắn đó bỏ qua yêu cầu lưu trữ 14,3GB, cấu hình ngữ cảnh giới hạn, phụ thuộc SSD, phương pháp lượng tử hóa và bộ nhớ vẫn cần cho macOS và ứng dụng khác.

What Standard Local Inference Actually Requires

Google công bố các yêu cầu bộ nhớ xấp xỉ sau cho suy luận Gemma 4 26B A4B theo cách thông thường:

Các con số này bao gồm ước tính 20% phụ trội khi nạp mô hình. Chúng không bao gồm bộ nhớ bổ sung cần cho framework suy luận hoặc bộ đệm KV.

Xem tổng quan Gemma 4 và bảng bộ nhớ để biết ước tính chính thức hiện tại.

How Does 2GB Compare with Standard Memory Requirements?

TurboFieldfare đạt con số bộ nhớ thường trú thấp hơn nhiều vì không giữ toàn bộ mô hình đã lượng tử trong bộ nhớ. Nó kết hợp:

1. Trọng số mô hình 4-bit.
2. Bộ đệm expert trong bộ nhớ có giới hạn.
3. Phát luồng từ SSD cho các expert được định tuyến.
4. Bộ đệm KV 4K trong cấu hình đã công bố.
5. Kernel suy luận tùy chỉnh bằng Swift và Metal.

Điều này tạo ra đánh đổi khác so với triển khai thường trú đầy đủ.

Một mô hình Q4 thường trú đầy đủ cần nhiều bộ nhớ hơn đáng kể nhưng tránh việc nạp lặp lại dữ liệu expert từ lưu trữ. TurboFieldfare giảm áp lực bộ nhớ nhưng khiến hiệu năng phụ thuộc hơn vào băng thông SSD, tỷ lệ trúng bộ đệm, độ dài ngữ cảnh và thế hệ phần cứng.

Nó hiệu quả vì mô hình là MoE. Các mô hình dense không thể làm việc này một cách hữu ích — mọi trọng số đều tham gia vào mỗi lượt truyền thuận. Đây là một thủ thuật kỹ thuật khai thác kiến trúc chứ không phải thay đổi cơ bản kích thước mô hình. Hiệu năng đủ dùng cho công việc batch/async trên máy Mac ít RAM nhưng không phù hợp chat thời gian thực trên phần cứng chậm nhất. Hiện chỉ hỗ trợ Mac/Apple Silicon và đặc thù mô hình.

Can the 2GB Configuration Use the Full 256K Context Window?

Mô hình Gemma 4 26B A4B chính thức hỗ trợ cửa sổ ngữ cảnh lên đến 256K token. Tuy nhiên, cấu hình TurboFieldfare khoảng 2GB dùng bộ đệm KV 4K.

Đây là các phép đo khác nhau:

• Khả năng mô hình chính thức: Tối đa 256K token.
• Kết quả bộ nhớ cục bộ đã công bố: Bộ đệm KV 4K.
• Ngữ cảnh cục bộ thực tế: Do bộ nhớ sẵn có, thiết lập runtime, độ dài prompt và độ trễ chấp nhận được quyết định.

Bộ nhớ bộ đệm KV tăng theo độ dài prompt và phản hồi được sinh. Mở rộng cấu hình cục bộ lên 32K, 128K hoặc 256K token sẽ làm tăng sử dụng bộ nhớ và có thể ảnh hưởng thời gian tiền nạp và tốc độ sinh.

Các nhóm đánh giá phân tích tài liệu dài nên kiểm thử ngữ cảnh mục tiêu thực tế thay vì giả định kết quả 2GB áp dụng cho toàn bộ cửa sổ ngữ cảnh của mô hình.

How Fast Is Gemma 4 26B on Apple Silicon?

TurboFieldfare báo hai dải tốc độ giải mã tham chiếu:

• 8GB M2 MacBook Air: 5,1–6,3 token/giây.
• 24GB M5 Pro: 31–35 token/giây.

Các kết quả này cho thấy phần cứng ảnh hưởng rất mạnh tới suy luận cục bộ. Không nên xem như cam kết hiệu năng phổ quát.

Estimate Maximum Monthly Output

Số token tối đa mỗi tháng = token giải mã mỗi giây × 60 × 60 × 24 × 30

Dựa trên tốc độ giải mã được báo cáo:

Đây là ước tính chỉ phần giải mã. Ứng dụng thực tế còn tốn thời gian cho:

• Tiền nạp prompt.
• Xếp hàng yêu cầu.
• Nạp mô hình và khởi động lại.
• Phản hồi thất bại hoặc bị từ chối.
• Hoạt động của hệ điều hành.
• Giám sát và bảo trì.
• Ngừng hoạt động có kế hoạch và đột xuất.

Ví dụ, để tạo bốn triệu token đầu ra ở 5,1 token/giây cần khoảng 9,1 ngày giải mã liên tục. Để tạo 20 triệu token cần khoảng 45,4 ngày, khiến khối lượng đó bất khả thi với một máy M2 trong một tháng 30 ngày.

Một mô hình chi phí cục bộ thực tế vì thế phải tính đến khả năng thông lượng cũng như chi phí phần cứng cố định.

Is There an Official Gemma 4 26B API?

Có.

Google cung cấp truy cập hosted đến Gemma 4 26B qua Gemini API. Model ID chính thức là:

gemma-4-26b-a4b-it

Endpoint hosted hỗ trợ sinh văn bản, hiểu hình ảnh, hướng dẫn hệ thống, tư duy có thể cấu hình, gọi hàm và hội thoại nhiều lượt. Đây là cách nhanh nhất để đánh giá mô hình mà không cần tải trọng số hay vận hành máy chủ suy luận.

Google cung cấp ví dụ triển khai mới nhất trong tài liệu Gemma trên Gemini API.

Call Gemma 4 26B with Python

Cài đặt Google’s Gen AI SDK:

pip install -U google-genai

Đặt khóa Gemini API trong biến môi trường, sau đó gửi yêu cầu:

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemma-4-26b-a4b-it",
    contents="Explain mixture-of-experts routing in simple terms.",
)

print(response.text)

Ví dụ này xác nhận quyền truy cập API cơ bản. Nó không xác thực hạn ngạch sản xuất, độ trễ, hiệu năng ngữ cảnh dài hay yêu cầu xử lý dữ liệu cho ứng dụng của bạn.

How Much Does the Gemma 4 26B API Cost?

Hiện Google liệt kê Gemma 4 đầu vào, đầu ra và bộ nhớ đệm ngữ cảnh là miễn phí trên free tier của Gemini API. Hiện chưa có gói trả phí cho Gemma 4.

Lưu ý dữ liệu free tier: Google nêu rằng nội dung gửi qua free tier có thể được dùng để cải thiện sản phẩm của họ. Không gửi dữ liệu mật, dữ liệu được quản lý hay thuộc sở hữu khách hàng cho đến khi nhóm của bạn xem xét điều khoản sử dụng và lưu giữ dữ liệu áp dụng.
Lưu ý định giá: Truy cập free tier không nên được xem là cam kết định giá sản xuất vĩnh viễn. Tính sẵn sàng, hạn ngạch, điều khoản dữ liệu và lựa chọn gói trả phí có thể thay đổi.

Kiểm tra trang định giá Gemini API chính thức trước khi đưa ra quyết định sản xuất.

Định giá hiện tại tạo ra một phép so sánh khác thường:

• API chính thức có thể không có chi phí token trực tiếp trong giới hạn free tier.
• Suy luận cục bộ không có hóa đơn token từ nhà cung cấp nhưng vẫn tiêu tốn phần cứng, điện, lưu trữ, bảo trì và thời gian kỹ thuật.
• Các nhà cung cấp hosted bên thứ ba có thể đưa ra năng lực, giá cả, chính sách lưu trữ và điều khoản thương mại khác.

Riêng với Gemma 4 26B, hãy dùng tài liệu Gemma trên Gemini API và xác minh giới hạn hiện tại trên trang định giá Gemini API.

CometAPI hiện chưa liệt kê Gemma 4 26B là mô hình sẵn có. Các nhóm cũng muốn đánh giá các lựa chọn Gemini hosted có thể xem các mô hình đang được liệt kê như Gemini 3.6 Flash, Gemini 3 Flash, và các tùy chọn khác trong danh mục mô hình Google trên CometAPI.

Is Local Gemma 4 Cheaper Than the API?

Theo định giá hiện tại, Gemini API chính thức có thể rẻ hơn về chi phí trực tiếp vì Gemma 4 hiện miễn phí trong free tier.

Tuy nhiên, giá theo token chỉ là một phần quyết định.

Example Local Hardware Cost

Giả sử một nhóm mua máy Apple Silicon giá 1.200 đô và khấu hao trong 24 tháng.

Khấu hao phần cứng hàng tháng 1.200 đô ÷ 24 tháng = 50 đô mỗi tháng

Nếu máy tạo được bốn triệu token đầu ra mỗi tháng:

Khấu hao phần cứng trên mỗi 1M token đầu ra 50 đô ÷ 4 = 12,50 đô cho mỗi 1M token đầu ra

Phép tính đúng, nhưng chưa đầy đủ. Nó loại trừ:

• Tiền điện.
• Mài mòn SSD và thay thế.
• Thiết lập và thời gian kỹ thuật.
• Giám sát và bảo trì.
• Lượt sinh lỗi và thử lại.
• Rà soát thủ công.
• Năng lực dự phòng.
• Thời gian ngừng hoạt động và chuyển đổi dự phòng.
• Chi phí cơ hội khi dùng máy cho suy luận.

Nó cũng giả định phần cứng có thể tạo khối lượng token mục tiêu trong khung vận hành sẵn có.

Compare Cost per Accepted Task

Công thức chi phí cục bộ hữu ích hơn là:

Chi phí cục bộ trên mỗi tác vụ được chấp nhận = khấu hao phần cứng

• tiền điện
• lưu trữ và bảo trì
• thời gian kỹ thuật
• lượt sinh lỗi và thử lại
• rà soát thủ công ÷ tác vụ được chấp nhận

Với dịch vụ hosted trả phí:

Chi phí hosted trên mỗi tác vụ được chấp nhận = phí token đầu vào

• phí token đầu ra
• phí bộ đệm, công cụ hoặc yêu cầu
• lần thử lại
• rà soát thủ công ÷ tác vụ được chấp nhận

Giá token quảng cáo thấp nhất không phải lúc nào cũng cho chi phí ứng dụng thấp nhất. Một phương án có phản hồi chậm, đầu ra có cấu trúc không hợp lệ, hoặc tỷ lệ thử lại cao có thể tốn kém hơn trên mỗi kết quả được chấp nhận.

Can the Local OpenAI-Compatible Server Be Used in Production?

TurboFieldfare bao gồm máy chủ tương thích OpenAI thử nghiệm lắng nghe tại:

http://127.0.0.1:8080/v1

Máy chủ hỗ trợ Chat Completions, streaming, khai báo hàm và tái sử dụng tiền tố prompt. Tuy nhiên, dự án nêu rằng máy chủ nên ở trên giao diện loopback vì không cung cấp xác thực từ xa hay TLS.

Mặc định nên coi đây là endpoint phát triển cục bộ.

Triển khai sản xuất sẽ cần một lớp phục vụ bổ sung với:

• Xác thực và ủy quyền.
• TLS cho lưu lượng rời khỏi host.
• Giới hạn kích thước yêu cầu và đầu ra.
• Xếp hàng và kiểm soát đồng thời.
• Giám sát tiến trình và tự động khởi động lại.
• Kiểm tra sẵn sàng mô hình.
• Giám sát áp lực bộ nhớ.
• Chỉ số SSD và bộ đệm expert.
• Giám sát độ trễ và thông lượng.
• Ghi log phù hợp quyền riêng tư.
• Xử lý quá tải.
• Tuyến dự phòng khi lỗi cục bộ.

Máy chủ cục bộ có thể trả về các lời gọi công cụ do mô hình sinh, nhưng ứng dụng phải kiểm tra, ủy quyền và thực thi từng hành động. Không nên cho phép mô hình thực thi công cụ trực tiếp.

Với Gemma 4 26B, Gemini API của Google là tuyến hosted chính thức. Nếu ứng dụng cũng dùng các mô hình hosted khác, CometAPI quickstart cho thấy cách kết nối các mô hình được hỗ trợ qua giao diện tương thích OpenAI. Điều này có thể cung cấp tuyến hosted dự phòng riêng, nhưng không nên trình bày như tuyến CometAPI cho Gemma 4 trừ khi mô hình xuất hiện trong danh mục trực tiếp.

Gemma 4 26B Deployment Decision

API (hosted, Gemini API, others)

• Giá khoảng $0,07 / 1M token đầu vào và $0,30–0,34 / 1M token đầu ra (tùy nhà cung cấp; một số cao hơn nhẹ).
• Không chi phí phần cứng hay thiết lập, tốc độ/thông lượng cao, mở rộng dễ, đầy đủ tính năng đa phương thức.

• Chi phí theo token liên tục, dữ liệu rời máy của bạn, hạn mức/tỷ lệ, biến thiên độ trễ.

Standard local

• Chi phí phần cứng + điện một lần; quyền riêng tư và khả năng ngoại tuyến.
• Cần đủ RAM/VRAM (thường 18–32+ GB sử dụng được) hoặc chấp nhận tốc độ chậm/hoán đổi.

• Toàn quyền kiểm soát, không phí theo token sau thiết lập, nhưng bạn phải quản lý lượng tử hóa, phục vụ, cập nhật và phần cứng.

TurboFieldfare-style local

• Chạy được 26B MoE đầy đủ năng lực trên máy vốn không chạy nổi (kể cả Mac 8 GB).
• Quyền riêng tư/ngoại tuyến + chi phí biên gần như bằng 0, nhưng chậm hơn GPU trang bị tốt hoặc API tốt, hiện chỉ Mac, tập trung văn bản trong triển khai hiện tại, và cần runtime chuyên biệt.

Use a Hybrid Route When:

• Khối lượng công việc riêng tư nên giữ cục bộ.
• Lưu lượng công khai hoặc bùng nổ cần năng lực hosted.
• Ứng dụng cần chuyển đổi dự phòng.
• Nhiệm vụ khác nhau hưởng lợi từ các mô hình khác nhau.
• Bạn muốn so sánh các tuyến qua một API nhất quán.

Một lộ trình quyết định đơn giản:

Must the workload remain offline or on-device?
├── Yes → Test the local Apple Silicon runtime
└── No
    ├── Need image input or fast setup? → Start with the Gemini API
    ├── Need paid capacity or an SLA? → Evaluate hosted providers
    └── Need privacy plus burst capacity? → Use a hybrid route

Official API vs Local vs Third-Party Hosting

Trước khi chọn tuyến bên thứ ba, hãy xác minh rằng chính xác mô hình đó hiện sẵn có thay vì giả định hỗ trợ. Gemma 4 26B nên được truy cập qua Gemini API chính thức của Google trừ khi nhà cung cấp khác công khai liệt kê cùng model ID. Với các mô hình Gemini hosted khác, danh mục mô hình Google trên CometAPI cho thấy các tùy chọn hiện được hỗ trợ, trong khi tài liệu CometAPI giải thích cách gọi những mô hình đó qua endpoint tương thích OpenAI.

Triển khai kết hợp có thể là thiết kế thực tế nhất dài hạn: suy luận cục bộ cho tác vụ văn bản riêng tư hoặc ngoại tuyến, endpoint chính thức để đánh giá đa phương thức nhanh, và tuyến hosted cho năng lực sản xuất hoặc chuyển đổi dự phòng.

How to Evaluate Gemma 4 26B API vs Local

Chạy cùng khối lượng công việc qua mọi tuyến triển khai.

Một tập đánh giá thực tế có thể gồm:

1. Mười tác vụ mã hóa, trích xuất hoặc chuyển đổi.
2. Năm tác vụ suy luận có đáp án khách quan.
3. Năm tác vụ ngữ cảnh dài ở các độ dài khác nhau.
4. Năm tác vụ hiểu hình ảnh cho các tuyến hỗ trợ hình ảnh.
5. Năm tác vụ gọi hàm với ủy quyền phía client.
6. Năm tác vụ đầu ra có cấu trúc với kiểm định JSON nghiêm ngặt.

Ghi lại:

• Thời gian tới token đầu tiên.
• Tổng thời gian hoàn thành.
• Thời gian tiền nạp prompt.
• Token giải mã mỗi giây.
• Đỉnh bộ nhớ cục bộ.
• Byte SSD đọc.
• Thời gian xếp hàng.
• Hành vi đồng thời.
• Độ dài ngữ cảnh.
• Tính hợp lệ của đầu ra có cấu trúc.
• Tính hợp lệ của lời gọi công cụ.
• Tỷ lệ tác vụ được chấp nhận.
• Thời gian sửa thủ công.
• Tỷ lệ lỗi và thử lại.
• Chi phí vận hành cục bộ.
• Phí token và yêu cầu hosted.

Dùng cùng mẫu prompt, giới hạn đầu ra, nhiệt độ và quy tắc chấp nhận.

Không so sánh một yêu cầu văn bản ngắn cục bộ với một yêu cầu hosted đa phương thức dài rồi trình bày kết quả như benchmark mô hình trực tiếp.

FAQ

Is There an Official Gemma 4 26B API?

Có. Google cung cấp Gemma 4 26B qua Gemini API với model ID gemma-4-26b-a4b-it. Hỗ trợ sinh văn bản, đầu vào hình ảnh, hướng dẫn hệ thống, tư duy có thể cấu hình, gọi hàm và hội thoại nhiều lượt.

Is the Gemma 4 26B API Free?

Hiện Google liệt kê Gemma 4 đầu vào, đầu ra và bộ đệm ngữ cảnh là miễn phí trên free tier của Gemini API. Chưa có gói trả phí cho Gemma 4. Nội dung free tier có thể được dùng để cải thiện sản phẩm Google, vì vậy hãy xem điều khoản áp dụng trước khi gửi thông tin nhạy cảm.

Can Gemma 4 26B Really Run in 2GB of RAM?

TurboFieldfare báo khoảng 2GB cho trọng số và bộ đệm KV 4K. Thiết lập hoàn chỉnh vẫn cần Mac Apple Silicon 8GB, khoảng 14,3GB lưu trữ và phát luồng expert từ SSD.

Does the 2GB Configuration Support 256K Context?

Mô hình hỗ trợ tối đa 256K token, nhưng kết quả cục bộ 2GB đã công bố dùng bộ đệm KV 4K. Ngữ cảnh cục bộ dài hơn đòi hỏi thêm bộ nhớ và thử nghiệm hiệu năng.

Is Local Gemma 4 Cheaper Than a Hosted API?

Có thể đối với khối lượng văn bản duy trì trên phần cứng bạn đã sở hữu, nhưng kết quả phụ thuộc thông lượng, mức sử dụng, điện, bảo trì, thử lại và chất lượng đầu ra. Vì API chính thức hiện miễn phí trong giới hạn free tier, triển khai cục bộ không mặc định là rẻ nhất.

Final Recommendation

Cấu hình khoảng 2GB của TurboFieldfare là kỹ thuật triển khai chuyên biệt trên Apple Silicon, không phải yêu cầu bộ nhớ phổ quát cho Gemma 4 26B. Nó hoạt động bằng cách giới hạn bộ đệm KV và phát luồng các expert được định tuyến từ SSD thay vì giữ toàn bộ mô hình đã lượng tử trong bộ nhớ.

Đối với đa số người dùng, các lựa chọn thực tế vẫn là:

1. Dùng API để tiện lợi và tốc độ nếu chi phí và quyền riêng tư cho phép.
2. Chạy các bản lượng tử cục bộ tiêu chuẩn nếu bạn có 24 GB+ bộ nhớ
3. Dùng TurboFieldfare (hoặc các engine tương tự trong tương lai) nếu bạn muốn chất lượng 26B MoE trên phần cứng Apple Silicon hạn chế.

Cho khối lượng sản xuất, hãy so sánh cả hai tuyến bằng cùng prompt, độ dài ngữ cảnh, giới hạn đầu ra và kiểm tra chấp nhận. Quyết định cuối cùng nên dựa trên chất lượng, độ trễ, quyền riêng tư, thông lượng đạt được và tổng chi phí trên mỗi tác vụ được chấp nhận — không chỉ dựa vào tiêu đề 2GB.