/ Модель

Характеристики

Размер весов
51,6 ГБ
Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Базовая модель
gemma-4-26B-A4B-it
Опубликована
29 апр 2026

G4-26B-A4B-Musica-v1

Изображение и текст → текст3 профессии

Дообученная на Gemma 4 модель для ролевых диалогов, генерации историй и творческого письма с поддержкой изображений.

62скачиваний за 30 дней16лайковвеса обновлены29 апр 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Gemma-4-26B-A4B Musica v1 — дообученная AuriAetherwiing версия Gemma 4 26B A4B IT для ролевых диалогов, генерации историй и художественного письма. Это разговорная модель с поддержкой изображений и выдачей текста; README описывает её как третью модель серии Musica и отмечает творческую прозу и разнообразие вариантов ответа.

Модель подходит для отыгрыша персонажей, совместного написания сцен и создания историй. Автор отмечает, что она менее стабильна и хуже справляется с рассуждениями, чем версия Musica 31B, а следование инструкциям бывает непоследовательным. Для генерации автор рекомендует температуру 1, Min-P 0,02 и NSigma 2; штрафы за повторение могут ухудшать результат.

Модель основана на google/gemma-4-26B-A4B-it и дообучена с помощью LoRA на наборе данных для SFT. Доступна по лицензии Apache-2.0.

Сценарии применения

  • отыгрыш персонажей в диалоге
  • совместное написание художественных сцен
  • генерация историй по заданному сценарию
  • ведение творческого разговорного чата

Ограничения

По оценке автора, модель менее стабильна и слабее в рассуждениях, чем Musica 31B; следование инструкциям может быть непоследовательным. Штрафы за повторение ухудшают результат.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Gemma-4-26B-A4B Musica v1

RP/storygen/writing/conversational tune of Gemma-4-26B-A4B-it, third model in Musica series. Bit of a wild card, I liked the prose and the creativity in scenarios more than 31B version's, but this model is also somewhat less stable and not as smart, to be honest. It's still quite decent though, imo.

Both reasoning and non-reasoning models work, though reasoning seems... quite yappy by default, prefilling Okay, let's see after <|channel>thought does make it bit more concise usually.

Instruction following seems bit inconsistent, sometimes it follows everything perfectly, sometimes it just goes against some constraints in reasoning, seems like it's a bit of a MoE chaos there. Though generally it stick decently well to system prompt. Refusals still do not exist. Swipe diversity is quite good.

This training run was sponsored by ArliAI

Training notes

Surprisingly, much less of a pain than 31B, which is wild given that it is a MoE. Used the same Axolotl commit, with grouped_mm MoE kernel. Scattermoe doesn't seem to be implemented on that commit yet, but don't think it matters too much. Graphs were very, very similar to 31B, except loss landed a bit higher - think its just a result of sparsity. Honestly, it feels like Google just overfitted those models on Gemini logits, lol. It also trained very fast compared to 31B, despite still using only SDPA.

r64a64 LoRA, 1e-5, 1 epoch, constant w/ warmup. 9 hours on 2xRTX Pro 6000 Blackwell.

allura-forge/musica-sft-v1-gemma4-pretok - pretokenized dataset.

CometML Project - training graphs and stats.

AuriAetherwiing/G4-26B-A4B-Musica-v1-lora - LoRA adapter.

Recommended Samplers

  • Temperature: 1

  • Min-P: 0.02

  • NSigma: 2

Don't use repetition penalties of any kind, they harm more than they do good.

Axolotl config

# =============================================================================
# BASE MODEL
# =============================================================================
base_model: /home/arli/models/gemma-4-26B-A4B-it


# =============================================================================
# PLUGINS & KERNEL OPTIMIZATIONS
# =============================================================================
plugins:
  - axolotl.integrations.liger.LigerPlugin # not sure if it works with Gemma 4 but it doesn't crash at least
  - axolotl.integrations.cut_cross_entropy.CutCrossEntropyPlugin # must have! KV cache is too expensive otherwise
  - axolotl.integrations.kernels.KernelsPlugin # required for scattermoe and batched_mm for efficient MoE training
cut_cross_entropy: true
liger_rope: true
liger_rms_norm: true
liger_layer_norm: true
liger_glu_activation: true
liger_rms_norm_gated: true

use_kernels: true
use_scattermoe: true
experts_implementation: grouped_mm

# =============================================================================
# QUANTIZATION
# =============================================================================
load_in_8bit: false
load_in_4bit: false


# =============================================================================
# DATASET
# =============================================================================
shuffle_merged_datasets: true
datasets:
  - path: allura-forge/musica-sft-v1-gemma4-pretok # finally, pretokenized datasets
    ds_type: parquet
    type:

dataset_prepared_path: ./last_run_prepared
val_set_size: 0


# =============================================================================
# OUTPUT & ADAPTER
# =============================================================================
output_dir: ./outputs/v1
adapter: lora
save_safetensors: true


# =============================================================================
# SEQUENCE & SAMPLE PACKING
# =============================================================================
sequence_len: 8192 # ideally 16384 but Gemma 4 31B has too expensive KV cache
sample_packing: true # DOES in fact work with SDPA
pad_to_sequence_len: false


# =============================================================================
# LORA
# =============================================================================
lora_r: 64
lora_alpha: 64
lora_dropout: 0.0
lora_target_modules: 'model.language_model.layers.[\d]+.(_checkpoint_wrapped_module.)?(mlp|self_attn).(up|down|gate|q|k|v|o)_proj'
lora_target_parameters:
  - experts.gate_up_proj
  - experts.down_proj

lora_mlp_kernel: false
lora_qkv_kernel: false
lora_o_kernel: false


# =============================================================================
# TRAINING HYPERPARAMETERS
# =============================================================================
gradient_accumulation_steps: 4
micro_batch_size: 2
num_epochs: 1
optimizer: adamw_torch_fused
lr_scheduler: constant_with_warmup
learning_rate: 1e-5
warmup_ratio: 0.05
max_grad_norm: 0.5
weight_decay: 0.05

# =============================================================================
# PRECISION
# =============================================================================
bf16: auto


# =============================================================================
# ATTENTION
# =============================================================================
sdp_attention: true
#flash_attention: true # Doesn't work on Gemma 4 currently
#flex_attention: true # up to 40% less memory use with compile, but slower than SDPA
#torch_compile: true # speed up, but unreliable and breaks often
#gemma4_hybrid_attn_impl: true

# =============================================================================
# LOGGING & MONITORING
# =============================================================================
use_comet: true # install comet-ml with pip and do comet login before starting
comet_project_name: musica-26b-a4b
logging_steps: 1


# =============================================================================
# CHECKPOINTING & SAVING
# =============================================================================
auto_resume_from_checkpoints: false
evals_per_epoch: 0
saves_per_epoch: 4
save_total_limit: 4

gradient_checkpointing: false
gradient_checkpointing_kwargs:
  use_reentrant: false


# =============================================================================
# FSDP
# =============================================================================
fsdp_config:
  fsdp_version: 2
  offload_params: false
  cpu_ram_efficient_loading: false
  auto_wrap_policy: TRANSFORMER_BASED_WRAP
  transformer_layer_cls_to_wrap: Gemma4TextDecoderLayer
  state_dict_type: FULL_STATE_DICT
  sharding_strategy: FULL_SHARD
  reshard_after_forward: true
  activation_checkpointing: true

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
c13b55d

0 моделей