/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-E4B-it-assistant
Библиотека
gguf
Опубликована
7 мая 2026

gemma-4-E4B-it-assistant-GGUF

Генерация текстаТекст → текст15 профессий

AtomicChat/gemma-4-E4B-it-assistant-GGUF — это локальная GGUF-квантизированная версия модели google/gemma-4-E4B-it-assistant, разработанной Google и самостоятельно преобразованной в GGUF командой Atomic Chat.

1 696скачиваний за 30 дней25лайковвеса 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 генерации текста, диалоговых ассистентов, рассуждений, программирования и автономного офлайн-использования через llama.cpp, Ollama, LM Studio, Jan и совместимые приложения.

Архитектура модели — плотный decoder с 42 слоями, гибридным вниманием: скользящее окно 512 токенов сочетается с глобальным вниманием. Указано 4,5 млрд эффективных параметров и 8 млрд параметров с учётом embeddings, контекст до 128K токенов, словарь 262K токенов, 4 attention heads и 2 KV heads. Базовая модель поддерживает текст, изображения и аудио, однако представленные в этом репозитории кванты являются текстовыми и не содержат vision projector. Языки модели в README не указаны.

Доступны варианты Q4_K_S, Q4_K_M, Q5_K_M, Q8_0 и F16; квантизация выполнена с importance matrix, что должно уменьшать потери качества на низкой разрядности. Q4_K_M рекомендован как компромисс между размером, скоростью и качеством, а Q8_0 и F16 — для большей точности. Ограничениями являются текстовый формат поставки, возможная потеря качества из-за квантизации и необходимость использовать шаблон чата Gemma 4 через параметр --jinja. Приведённые в README результаты бенчмарков относятся к базовой модели Google, а не к независимым измерениям данной квантизированной версии.

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 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

  • 4.5B effective (8B with embeddings) parameters: the weights this repo quantizes.
  • Context length: 128K tokens, as published by Google.
  • 42 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.
  • 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 E4B It Assistant chat template is applied. Without it the model can emit malformed turns.

Model Overview

PropertyValue
Base modelgoogle/gemma-4-E4B-it-assistant
Parameters4.5B effective (8B with embeddings)
Layers42
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, 4 attention heads over 2 KV heads, Gemma4AssistantForCausalLM
This repoGGUF quants (imatrix). Quants: Q4_K_S, Q4_K_M, Q5_K_M, Q8_0, F16

Benchmarks

BenchmarkScore
MMLU Pro69.4%
AIME 2026 no tools42.5%
LiveCodeBench v652.0%
Codeforces ELO940
GPQA Diamond58.6%
Tau2 (average over 3)42.2%
BigBench Extra Hard33.1%
MMMLU76.6%
MMMU Pro52.6%
OmniDocBench 1.5 (average edit distance, lower is better)0.181
MATH-Vision59.5%
MedXPertQA MM28.7%
CoVoST35.54
FLEURS (lower is better)0.08
MRCR v2 8 needle 128k (average)25.4%

Scores are Google's published results for the base google/gemma-4-E4B-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_S78 MBCompact 4-bit, fast.
Q4_K_M79 MBRecommended default. Best balance of size, speed and quality.
Q5_K_M80 MBHigher quality, low loss.
Q8_0100 MBEffectively lossless, reference quality.
F16174 MBUnquantized 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 E4B It Assistant locally with:

  • Atomic Chat: the easiest path. Open the app, search AtomicChat/gemma-4-E4B-it-assistant-GGUF, pick a quant, hit Use this model.
  • llama.cpp: llama-server -hf AtomicChat/gemma-4-E4B-it-assistant-GGUF:Q4_K_M --jinja -c 8192
  • Ollama: ollama run hf.co/AtomicChat/gemma-4-E4B-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-E4B-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-E4B-it-assistant-GGUF:Q4_K_M \
    --jinja -ngl 99 -c 8192 -fa on

How these were made

  1. Download google/gemma-4-E4B-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
3a502a4

0 моделей