/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-E2B-it
Библиотека
gguf
Опубликована
22 июл 2026

gemma-4-E2B-it-GGUF

Генерация текстаТекст → текст15 профессий

AtomicChat/gemma-4-E2B-it-GGUF — это текстовая GGUF-квантизированная версия модели google/gemma-4-E2B-it, подготовленная Atomic Chat из оригинальных весов Google с использованием importance matrix.

4 216скачиваний за 30 дней0лайковвеса обновлены22 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 автономного запуска в задачах генерации текста, чат-диалогов, рассуждений, программирования и обработки длинного контекста. Для корректного применения шаблона диалога требуется поддержка Gemma 4 chat template.

Модель имеет 2,3 млрд эффективных параметров и 5,1 млрд параметров с учётом эмбеддингов, 35 слоёв и контекст до 128K токенов. Это плотный decoder с гибридным вниманием: sliding-window attention с окном 512 токенов и глобальное внимание; используется 8 attention heads и 1 KV head. Базовая модель поддерживает текст, изображения и аудио, однако данный репозиторий содержит только текстовые GGUF-кванты и не включает vision projector. Доступны варианты от Q2_K до Q8_0, включая рекомендуемый баланс качества и размера Q4_K_M.

Сильные стороны модели — небольшой размер, возможность офлайн-развёртывания, длинный контекст и несколько уровней квантизации, позволяющих подобрать соотношение скорости, потребления памяти и качества. Уровень качества зависит от выбранного кванта: низкобитные варианты экономичнее, но сильнее теряют точность, тогда как Q6_K и Q8_0 ближе к полноточной версии. Приведённые в README результаты являются опубликованными показателями базовой модели Google, а не независимыми измерениями данного репозитория. 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 E2B, 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

  • 2.3B effective (5.1B with embeddings) parameters: the weights this repo quantizes.
  • Context length: 128K tokens, as published by Google.
  • 35 layers: Dense decoder, hybrid sliding-window (512) and global attention.
  • Modalities: the base model handles Text, Image, Audio; 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 E2B chat template is applied. Without it the model can emit malformed turns.

Model Overview

PropertyValue
Base modelgoogle/gemma-4-E2B-it
Parameters2.3B effective (5.1B with embeddings)
Layers35
Sliding window512 tokens
Context length128K tokens
Vocabulary262K
ModalitiesText, Image, Audio in the base model; text only in this repo, it ships no vision projector
ArchitectureDense decoder, hybrid sliding-window (512) and global attention, 8 attention heads over 1 KV head, 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, Q5_K_S, Q5_K_M, Q6_K, Q8_0

Benchmarks

BenchmarkScore
MMLU Pro60.0%
AIME 2026 no tools37.5%
LiveCodeBench v644.0%
Codeforces ELO633
GPQA Diamond43.4%
Tau2 (average over 3)24.5%
BigBench Extra Hard21.9%
MMMLU67.4%
MMMU Pro44.2%
OmniDocBench 1.5 (average edit distance, lower is better)0.290
MATH-Vision52.4%
MedXPertQA MM23.5%
CoVoST33.47
FLEURS (lower is better)0.09
MRCR v2 8 needle 128k (average)19.1%

Scores are Google's published results for the base google/gemma-4-E2B-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_K3.0 GBSmallest K-quant. Minimal RAM, clear quality drop.
IQ3_M3.1 GBBeats Q3 at a similar size thanks to imatrix. Best low-RAM pick.
Q3_K_M3.2 GBLow quality but usable.
Q3_K_L3.3 GBA step above Q3_K_M.
IQ4_XS3.3 GBExcellent quality for size. Recommended low-bit.
Q4_K_S3.4 GBCompact 4-bit, fast.
Q4_K_M3.4 GBRecommended default. Best balance of size, speed and quality.
Q5_K_S3.6 GBHigher quality, slightly more compact than Q5_K_M.
Q5_K_M3.6 GBHigher quality, low loss.
Q6_K3.8 GBNear lossless, noticeably lighter than Q8_0.
Q8_05.0 GBEffectively lossless, reference quality.

[!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 E2B locally with:

  • Atomic Chat: the easiest path. Open the app, search AtomicChat/gemma-4-E2B-it-GGUF, pick a quant, hit Use this model.
  • llama.cpp: llama-server -hf AtomicChat/gemma-4-E2B-it-GGUF:Q4_K_M --jinja -c 8192
  • Ollama: ollama run hf.co/AtomicChat/gemma-4-E2B-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-E2B-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-E2B-it-GGUF:Q4_K_M \
    --jinja -ngl 99 -c 8192 -fa on

How these were made

  1. Download google/gemma-4-E2B-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.

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
f0d214a

0 моделей