/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-26B-A4B-it
Библиотека
gguf
Опубликована
1 июл 2026

gemma-4-26B-A4B-it-GGUF

Генерация текстаТекст → текст15 профессий

AtomicChat/gemma-4-26B-A4B-it-GGUF — это GGUF-квантизированная версия инструкционной модели google/gemma-4-26B-A4B-it, подготовленная Atomic Chat на основе оригинальных весов Google.

7 356скачиваний за 30 дней2лайкавеса обновлены24 июл 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 задачах генерации текста, диалогов, рассуждений и других сценариях, поддерживаемых базовой text-generation-моделью. Для запуска в llama.cpp требуется применять шаблон чата Gemma 4 с параметром --jinja.

Модель использует архитектуру Mixture-of-Experts: 25,2 млрд параметров всего и около 3,8 млрд активных на каждый токен, 30 слоёв, 128 маршрутизируемых экспертов с выбором top-8, гибридное внимание с локальным окном 1024 токена и глобальным вниманием, 16 attention heads и 8 KV heads. Заявленная длина контекста составляет 256 тысяч токенов, размер словаря — 262 тысячи. Базовая модель поддерживает текст и изображения, однако данный репозиторий содержит только текстовые квантизации и не включает vision projector.

К сильным сторонам относятся высокая вычислительная эффективность MoE-архитектуры, большой контекст, режимы рассуждения и широкий выбор квантизаций от Q2_K до Q8_0. Квантизация с importance matrix призвана сохранить качество оригинальной модели, но низкобитные варианты могут заметно терять качество; Q4_K_M обозначен как оптимальный баланс размера, скорости и качества, а Q6_K и Q8_0 — как варианты с минимальными потерями. Размер файлов составляет примерно от 10,6 до 26,9 ГБ, поэтому требуются значительные оперативная память или видеопамять. 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 26B A4B, self-quantized to GGUF by Atomic Chat. Built straight from Google's original weights with a per-tensor importance matrix, so this is not a repack of somebody else's files. Runs fully offline.

Highlights

  • 25.2B total / 3.8B active per token parameters: the weights this repo quantizes.
  • Context length: 256K tokens, as published by Google.
  • 30 layers: Mixture-of-Experts, hybrid sliding-window (1024) and global attention.
  • Modalities: the base model handles Text, Image; this repo ships text-only quants, it carries no vision projector.
  • Full imatrix ladder: every quant is calibrated with an importance matrix, published here alongside the quants.
  • Reasoning: All models in the family are designed as highly capable reasoners, with configurable thinking modes.
  • Diverse & Efficient Architectures: Offers Dense and Mixture-of-Experts (MoE) variants of different sizes for scalable deployment.

[!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 26B A4B chat template is applied. Without it the model can emit malformed turns.

Model Overview

PropertyValue
Base modelgoogle/gemma-4-26B-A4B-it
Parameters25.2B total / 3.8B active per token
Layers30
Experts128 routed (top-8)
Sliding window1024 tokens
Context length256K tokens
Vocabulary262K
ModalitiesText, Image in the base model; text only in this repo, it ships no vision projector
ArchitectureMixture-of-Experts, 128 experts (top-8), hybrid sliding-window (1024) and global attention, 16 attention heads over 8 KV heads, Gemma4ForConditionalGeneration
This repoGGUF quants (imatrix); the importance matrix is published here as imatrix-coding.gguf. Quants: Q2_K, IQ3_M, Q3_K_M, Q3_K_L, IQ4_XS, Q4_K_S, Q4_K_M, UD-Q4_K_XL, Q5_K_S, Q5_K_M, Q6_K, Q8_0

Scores are Google's published results for the base google/gemma-4-26B-A4B-it, not our own measurements. Quantization preserves the large majority of this; Q4_K_M and up stay close to full precision.

Choosing a quant

QuantSizeNotes
Q2_K10.6 GBSmallest K-quant. Minimal RAM, clear quality drop.
IQ3_M12.4 GBBeats Q3 at a similar size thanks to imatrix. Best low-RAM pick.
Q3_K_M13.3 GBLow quality but usable.
Q3_K_L13.8 GBA step above Q3_K_M.
IQ4_XS13.9 GBExcellent quality for size. Recommended low-bit.
Q4_K_S15.5 GBCompact 4-bit, fast.
Q4_K_M16.8 GBRecommended default. Best balance of size, speed and quality.
UD-Q4_K_XL17.0 GBDynamic. Embeddings and output kept at Q8_0 for higher quality at a Q4 footprint.
Q5_K_S18.0 GBHigher quality, slightly more compact than Q5_K_M.
Q5_K_M19.1 GBHigher quality, low loss.
Q6_K22.6 GBNear lossless, noticeably lighter than Q8_0.
Q8_026.9 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 26B A4B locally with:

  • Atomic Chat: the easiest path. Open the app, search AtomicChat/gemma-4-26B-A4B-it-GGUF, pick a quant, hit Use this model.
  • llama.cpp: llama-server -hf AtomicChat/gemma-4-26B-A4B-it-GGUF:Q4_K_M --jinja -c 8192
  • Ollama: ollama run hf.co/AtomicChat/gemma-4-26B-A4B-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 recommended sampling configuration for google/gemma-4-26B-A4B-it.

Run in llama.cpp

git clone https://github.com/ggml-org/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 AtomicChat/gemma-4-26B-A4B-it-GGUF:Q4_K_M \
    --jinja -ngl 99 -c 8192 -fa on

How these were made

  1. Download google/gemma-4-26B-A4B-it (original weights).
  2. Convert to f16 GGUF with llama.cpp.
  3. Build an importance matrix over our calibration corpus, published here as imatrix-coding.gguf.
  4. Quantize the ladder with --imatrix.
  5. UD-Q4_K_XL additionally pins the token-embedding and output tensors to Q8_0.

License

Original model by Google, released under the Apache 2.0 license. Full terms: Apache 2.0. Quantized by Atomic Chat.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
036b8d6

0 моделей