/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-31B-it-assistant
Библиотека
gguf
Опубликована
7 мая 2026

gemma-4-31B-it-assistant-GGUF

Генерация текстаТекст → текст15 профессий

AtomicChat/gemma-4-31B-it-assistant-GGUF — квантизированная в формат GGUF версия модели google/gemma-4-31B-it-assistant, подготовленная Atomic Chat на основе оригинальных весов Google.

2 106скачиваний за 30 дней22лайкавеса обновлены23 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 локальной и полностью офлайн-генерации текста, работы в чат-сценариях, решения задач рассуждения, программирования, анализа документов и других задач, поддерживаемых базовой моделью. Для запуска доступны варианты Q4_K_S, Q4_K_M, Q5_K_M, Q8_0 и F16; рекомендуется Q4_K_M как компромисс между размером, скоростью и качеством.

Модель содержит 30,7 млрд параметров и 60 слоёв. Это плотный decoder-only трансформер с гибридным вниманием: sliding-window с окном 1024 токена и глобальным вниманием; используется 32 attention heads и 16 KV heads. Заявленная длина контекста — до 256 тысяч токенов, словарь содержит 262 тысячи токенов. Базовая модель поддерживает текст и изображения, однако представленный репозиторий содержит только текстовые GGUF-кванты без vision projector. Семейство Gemma 4 ориентировано на развитое рассуждение и поддерживает настраиваемые режимы размышления.

Сильными сторонами являются большой контекст, высокая заявленная производительность базовой модели в задачах общего тестирования, математики, программирования и мультимодального анализа, а также возможность эффективного локального запуска благодаря квантизации и калибровке importance matrix. Ограничения связаны с потерями качества по сравнению с полной точностью, зависимостью требований к памяти от выбранного варианта квантизации и отсутствием обработки изображений в файлах этого репозитория. Приведённые результаты бенчмарков относятся к базовой модели Google, а не к независимым измерениям этих квантизированных файлов. Для корректного применения чат-шаблона Gemma 4 при запуске в llama.cpp требуется параметр --jinja. 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 31B It Assistant, 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

  • 30.7B parameters: the weights this repo quantizes.
  • Context length: 256K tokens, as published by Google.
  • 60 layers: Dense decoder, 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.
  • 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 31B It Assistant chat template is applied. Without it the model can emit malformed turns.

Model Overview

PropertyValue
Base modelgoogle/gemma-4-31B-it-assistant
Parameters30.7B
Layers60
Sliding window1024 tokens
Context length256K tokens
Vocabulary262K
ModalitiesText, Image in the base model; text only in this repo, it ships no vision projector
ArchitectureDense decoder, hybrid sliding-window (1024) and global attention, 32 attention heads over 16 KV heads, Gemma4AssistantForCausalLM
This repoGGUF quants (imatrix). Quants: Q4_K_S, Q4_K_M, Q5_K_M, Q8_0, F16

Benchmarks

BenchmarkScore
MMLU Pro85.2%
AIME 2026 no tools89.2%
LiveCodeBench v680.0%
Codeforces ELO2150
GPQA Diamond84.3%
Tau2 (average over 3)76.9%
HLE no tools19.5%
HLE with search26.5%
BigBench Extra Hard74.4%
MMMLU88.4%
MMMU Pro76.9%
OmniDocBench 1.5 (average edit distance, lower is better)0.131
MATH-Vision85.6%
MedXPertQA MM61.3%
MRCR v2 8 needle 128k (average)66.4%

Scores are Google's published results for the base google/gemma-4-31B-it-assistant, 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
Q4_K_S349 MBCompact 4-bit, fast.
Q4_K_M353 MBRecommended default. Best balance of size, speed and quality.
Q5_K_M377 MBHigher quality, low loss.
Q8_00.5 GBEffectively lossless, reference quality.
F161.0 GBUnquantized reference, twice the size of Q8_0.

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

Get started

Run Gemma 4 31B It Assistant locally with:

  • Atomic Chat: the easiest path. Open the app, search AtomicChat/gemma-4-31B-it-assistant-GGUF, pick a quant, hit Use this model.
  • llama.cpp: llama-server -hf AtomicChat/gemma-4-31B-it-assistant-GGUF:Q4_K_M --jinja -c 8192
  • Ollama: ollama run hf.co/AtomicChat/gemma-4-31B-it-assistant-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-4-31B-it-assistant.

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-4-31B-it-assistant-GGUF:Q4_K_M \
    --jinja -ngl 99 -c 8192 -fa on

How these were made

  1. Download google/gemma-4-31B-it-assistant (original weights).
  2. Convert to f16 GGUF with llama.cpp.
  3. Build an importance matrix over our calibration corpus.
  4. Quantize the ladder with --imatrix.

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
9da0877

0 моделей