/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-E4B-it
Библиотека
gguf
Опубликована
16 июн 2026

gemma4-e4b-it-GGUF

Изображение и текст → текст15 профессий

AlexAtomic/gemma4-e4b-it-GGUF — это квантизированная в формате GGUF версия Gemma 4 E4B-it, разработанная Google и самостоятельно квантизированная AlexAtomic для проекта Atomic Chat.

1 038скачиваний за 30 дней1лайквеса обновлены18 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель предназначена для локального и полностью офлайн-использования в чат-ботах, приложениях с агентными сценариями и задачах, требующих обработки текста, изображений и аудио с генерацией текстовых ответов. Поддерживаются нативный function calling и настраиваемый режим рассуждений, включаемый токеном <|think|>.

Модель имеет 4,5 млрд эффективных параметров, или 8 млрд параметров с учётом эмбеддингов, использует Per-Layer Embeddings и состоит из 42 слоёв. Архитектура Dense сочетает локальное скользящее внимание с окном 512 и глобальное внимание с p-RoPE; размер контекста — 128K токенов, словарь — 262K. Поддерживаются более 35 языков, при этом предобучение проводилось на более чем 140 языках. Для мультимодальной работы в репозитории предусмотрен vision-проектор mmproj.

Ключевое преимущество — сочетание мультимодальности, большого контекста, офлайн-запуска и экономичного размера, а importance matrix помогает сохранить качество при низкобитовой квантизации. Ограничения связаны с потерями качества у самых компактных вариантов, а для корректной работы требуется применять шаблон чата Gemma 4 через параметр --jinja; для изображений необходим соответствующий mmproj. Доступны варианты квантизации от Q2_K до Q8_0, рекомендуемый баланс размера и качества — Q4_K_M. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Gemma 4 E4B, self-quantized to GGUF by Atomic Chat. Built straight from Google's original weights with a per-tensor importance matrix. Runs fully offline.

Highlights

  • Natively multimodal — handles text, image, and audio input and generates text output.
  • 4.5B effective parameters (8B with embeddings) — the "E" stands for "effective", using Per-Layer Embeddings (PLE) for on-device efficiency.
  • 128K-token context window built on a hybrid local/global attention mechanism.
  • Built-in thinking mode — configurable step-by-step reasoning, triggered with the <|think|> token.
  • Native function calling for structured tool use and agentic workflows.
  • Multilingual — out-of-the-box support for 35+ languages, pre-trained on 140+ languages.

[!NOTE] These GGUFs are self-quantized from the original weights, not a repack. The importance matrix keeps low-bit quants closer to the full-precision model.

[!IMPORTANT] Always pass --jinja so the Gemma 4 E4B chat template is applied. Without it the model can emit malformed turns.

Model Overview

PropertyValue
Base modelgoogle/gemma-4-E4B-it
Parameters4.5B effective (8B with embeddings); uses Per-Layer Embeddings (PLE)
Layers42
Context length128K tokens
Vocabulary262K
ModalitiesText, Image, Audio
ArchitectureDense, hybrid local sliding-window (512) + global attention with p-RoPE
This repoGGUF quants (imatrix) + vision mmproj

[!NOTE] Gemma 4 E4B is multimodal. This repo ships the mmproj-gemma4-e4b-it-f16.gguf vision projector. With -hf it is pulled automatically; otherwise pass --mmproj. Use llama-mtmd-cli or llama-server to feed images.

Scores are Google's published results for the base google/gemma-4-E4B-it. Quantization preserves the large majority of this; Q4_K_M and up sit within a point or two of full precision.

Choosing a quant

QuantSizeNotes
Q2_K4.4 GBSmallest. Minimal RAM, clear quality drop.
IQ3_M4.7 GBBeats Q3 at similar size thanks to imatrix. Best low-RAM pick.
Q3_K_M4.9 GBLow quality but usable.
Q3_K_L5.0 GBA step above Q3_K_M.
IQ4_XS5.1 GBExcellent quality for size. Recommended low-bit.
Q4_K_S5.2 GBCompact Q4, fast.
Q4_K_M5.3 GBRecommended default. Best balance of size, speed and quality.
UD-Q4_K_XL6.2 GBDynamic. Embeddings and output kept at Q8_0 for higher quality at a Q4 footprint.
Q5_K_S5.7 GBHigher quality.
Q5_K_M5.8 GBHigher quality, low loss.
Q6_K6.2 GBNear lossless.
Q8_08.0 GBEffectively lossless, reference quality.

[!TIP] Pick the largest file that fits your (V)RAM with room for context. Q4_K_M or UD-Q4_K_XL is the sweet spot for most setups; Q6_K or Q8_0 for maximum fidelity.

Get started

Run Gemma 4 E4B locally with:

  • Atomic Chat: the easiest path. Open the app, search AlexAtomic/gemma4-e4b-it-GGUF, pick a quant, hit Use this model.
  • llama.cpp: llama-server -hf AlexAtomic/gemma4-e4b-it-GGUF:Q4_K_M --jinja -c 8192
  • Ollama: ollama run hf.co/AlexAtomic/gemma4-e4b-it-GGUF:Q4_K_M
  • LM Studio / Jan: search the repo id, download any quant.

Best practices

ParameterValue
temperature1.0
top_p0.95
top_k64

Google's standardized sampling configuration recommended across all use cases.

Run in llama.cpp

git clone https://github.com/ggerganov/llama.cpp
cmake llama.cpp -B llama.cpp/build -DBUILD_SHARED_LIBS=OFF -DGGML_CUDA=ON
cmake --build llama.cpp/build --config Release -j --target llama-cli llama-server
./llama.cpp/build/bin/llama-server \
    -hf AlexAtomic/gemma4-e4b-it-GGUF:UD-Q4_K_XL \
    --jinja -ngl 99 -c 8192 -fa on

How these were made

  1. Download google/gemma-4-E4B-it (original weights).
  2. Convert to f16 GGUF with llama.cpp.
  3. Build an importance matrix over calibration_datav3 (100 chunks).
  4. Quantize the full ladder with --imatrix.
  5. UD-Q4_K_XL additionally pins the token-embedding and output tensors to Q8_0.

License

Original model by Google DeepMind, released under the Apache 2.0 license. Quantized by Atomic Chat.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
3c8b8f2

0 моделей