/ Модель

Характеристики

Размер весов
50,5 ГБ
Лицензия
MIT
Архитектура
gemma4_text · dense
Базовая модель
gemma-4-26B-A4B-it
Опубликована
26 сен 2026

JiRackTernaryGemma4_26b

Генерация текстаТекст → текст15 профессий

Текстовая модель CMSManhattan на базе Gemma 4 с тернарной адаптацией для диалогов, программирования и локального запуска с поддержкой вызова инструментов.

1 108скачиваний за 30 дней0лайковвеса обновлены1 окт 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

JiRackTernaryGemma4_26b — текстовая диалоговая модель CMSManhattan, созданная на основе Google Gemma 4 26B-A4B-it и адаптированная под тернарную архитектуру JiRack. Она предназначена для генерации текста, общения, программирования и работы с инструментами; в карточке также описаны сценарии маршрутизации и робототехники. Модель имеет архитектуру MoE: около 26 млрд параметров всего, примерно 4 млрд активны на токен, 128 экспертов с выбором top-8. Заявлен путь обучения с квантованием-aware training для тернарных весов; доступны GGUF-варианты от Q3_K_M до Q8_0 и F16, а также safetensors.

Модель принимает текст и выдаёт текст. Зрительный модуль исходной Gemma 4 удалён, поэтому обработка изображений не поддерживается. Карточка указывает поддержку 14 языков: английского, китайского, японского, корейского, французского, испанского, португальского, немецкого, итальянского, русского, арабского, вьетнамского и тайского. Контекстный размер не приведён. Для тегов робототехники и маршрутизации рекомендуется расширенный токенизатор CMSManhattan/GemmaRoboticsTokenizer; дополнительные 107 токенов требуют расширения эмбеддингов и обучения новых строк перед генерацией соответствующих ID.

Карточка ориентирует модель на локальный запуск через CPU, GGUF, llama.cpp и Ollama и приводит оценку требований к памяти для разных квантований. Автор предупреждает, что модель не проверялась на больших контекстах, и просит не переносить на неё результаты исходной Gemma 4. Лицензия — MIT.

Сценарии применения

  • диалоговые ответы на текстовые запросы
  • генерация и дополнение кода
  • вызов инструментов в агентных сценариях
  • локальный запуск языковой модели на CPU
  • маршрутизация запросов с тегами расширенного токенизатора

Ограничения

Зрительный модуль удалён, поэтому модель не принимает изображения. По карточке, модель не тестировалась на больших контекстах; качество исходной Gemma 4 нельзя считать подтверждённым для этого чекпойнта.

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 migrated to Ternary Architedure

Gemma 4 26B-A4B (MoE) migrated to the JiRack ternary architecture.

  • Text-only: official vision tower dropped (~550M params), decoder kept
  • ~26B total / ~4B active per token (128 experts, top-8)
  • Ternary (BitNet b1.58) QAT path for CPU / GGUF / Ollama
  • Vision removed for RAM/VRAM optimization . So it safes much memory for large context
  • Robotics, routing, coding and tool-call tags via CMSManhattan/GemmaRoboticsTokenizer

JiRack service options

  • Current quantizations were done from the FP16 model.
  • If you need custom compression or fine-tuning, please write to me and I'll perform QAT from your dataset, tailored specifically to your task.
  • Plus double QAT via ONNX QAT.
  • Adapt train process to avoid catastrophic forgetting with NDA
  • Adapt train process to avoid fast plateau in training with NDA
  • Adapts to agentic or instruct models for tool calling, using the JiRack tokenizer to enable high-quality tool calling on small models — built as a domain-specific tool expert.
  • Deployment and scale

Partnership

  • NVIDIA Inception
  • FISERV

Architecture

From google/gemma-4-26B-A4B-it text config:

Vocab262,144 (tied embeddings)
Hidden2,816
Layers30 (5 sliding : 1 full)
Heads16
Sliding attnhead_dim 256, KV heads 8, RoPE θ 10k, window 1024
Full attnhead_dim 512, KV heads 2, proportional RoPE θ 1e6, partial rotary 0.25, k_eq_v (no v_proj)
Dense MLP2,112 (every token, GeGLU / gelu_pytorch_tanh)
Experts128 × 704, top-8
RMSNormplain x * w / rms(x), ε = 1e-6
Softcap30.0
Context (ckpt)262,144 (this export uses RoPE table 4,096 unless rebuilt)

What is ternarized: q/k/v/o, dense MLP, all 128 experts.
What stays full precision: embeddings / tied lm_head, router, norms, layer_scalar.

Class: JiRackTernaryGemma4_26b (JiRackTernaryGemma4_26b.py).

Files

  • config.json — Hub card + auto_map to the JiRack class
  • model.safetensors.index.json + model-00001-of-00013.safetensors … 00013 (~49 GB bf16)
  • GGUF: JiRackTernaryGemma4-26b-f16.gguf, Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q3_K_M
  • Tokenizer: CMSManhattan/GemmaRoboticsTokenizer

Tokenizer

Use CMSManhattan/GemmaRoboticsTokenizer with this checkpoint.

  • Gemma 4 chat template (<|turn>user / <|turn>model / <turn|>)
  • Extra tags: robotics, routing (__ROBOTICS__, __CODING__, …), FIM, media, mood
  • Vocab: 262,251 (pad=0, eos=1)
from transformers import AutoTokenizer

tok = AutoTokenizer.from_pretrained("CMSManhattan/GemmaRoboticsTokenizer")
prompt = tok.apply_chat_template(
    [{"role": "user", "content": "Hello"}],
    add_generation_prompt=True,
    enable_thinking=False,
    tokenize=False,
)

Official google/gemma-4-26B-A4B-it tokenizer also works for plain chat (vocab 262,144).
Robotics / routing tags need the extended tokenizer.

The extra 107 tokens sit past this checkpoint’s token_emb (262,144).
They are safe in the template and in datasets; do not emit those ids until you resize_token_embeddings(len(tokenizer)) and train the new rows.


Training Notice

  • During Quantization-Aware Training, the routing mechanism should remain frozen. Router training should only commence once the lambda parameter reaches 1.0 and the base model's quality has been verified. (Note: "lamba" was corrected to "lambda" in these revisions, assuming it refers to the standard scaling parameter often used in QAT and straight-through estimators).

Run Notice

  • Please note that the model has not been tested on large contexts yet. Let me know if you notice any difference in quality compared to the original.

Chat template

Gemma 4 native (<|turn>user / <|turn>model / <turn|>).
Thinking is a template flag (enable_thinking), not a </think> suffix.
With thinking off the model still emits an empty <|channel>thought\n<channel|> block — strip it from history.

Stop tokens: <turn|> (106) and <eos> (1).
Sampling (Gemma 4 rec.): temperature=1.0, top_p=0.95, top_k=64.

Quick start (PyTorch)

from transformers import AutoTokenizer
from JiRackTernaryGemma4_26b import JiRackTernaryGemma4_26b, JiRackConfig

tok = AutoTokenizer.from_pretrained("CMSManhattan/GemmaRoboticsTokenizer")
# load shards via model.safetensors.index.json into JiRackTernaryGemma4_26b
# model.set_lambda(0.0)

Or the included chat script:

export JIRACK_TOKENIZER=CMSManhattan/GemmaRoboticsTokenizer
python chat_jirack_gemma4_26b.py

GGUF / llama.cpp / Ollama

Current quants were made from the F16 export.

FileQuantApprox. size
JiRackTernaryGemma4-26b-f16.ggufF16~50 GB
JiRackTernaryGemma4-26b-Q8_0.ggufQ8_0~28 GB
JiRackTernaryGemma4-26b-Q6_K.ggufQ6_K~22 GB
JiRackTernaryGemma4-26b-Q5_K_M.ggufQ5_K_M~19 GB
JiRackTernaryGemma4-26b-Q4_K_M.ggufQ4_K_M~16 GB
JiRackTernaryGemma4-26b-Q3_K_M.ggufQ3_K_M~13 GB

Recommended everyday: Q4_K_M.
CPU boxes without AVX2: export MKL_ENABLE_INSTRUCTIONS=AVX.

Ollama tag (when published): cmsmanhattan/JiRackTernaryGemma4-26b-q4

ollama run cmsmanhattan/JiRackTernaryGemma4-26b-q3 "Hello"
ollama run cmsmanhattan/JiRackTernaryGemma4-26b-q4 "Hello"
ollama run cmsmanhattan/JiRackTernaryGemma4-26b-q5 "Hello"
ollama run cmsmanhattan/JiRackTernaryGemma4-26b-q6 "Hello"
ollama run cmsmanhattan/JiRackTernaryGemma4-26b-q8 "Hello"

Hardware

UseRAMQuant
Recommended24–32 GBQ4_K_M
High quality48 GB+Q6 / Q8 / F16
Low memory16–24 GBQ3_K_M

bf16 safetensors need ~50 GB RAM/VRAM resident even though only ~4B params fire per token.

Lineage

Text decoder follows google/gemma-4-26B-A4B-it.
Tokenizer: CMSManhattan/GemmaRoboticsTokenizer.
This card is the JiRack ternary port, not a Google release. Do not treat upstream Gemma 4 leaderboard numbers as this checkpoint’s scores.

JiRack Codding Agent IDE

Contact

License

MIT for the Gemma 4 base lineage.
JiRack UI / Docker / paid Ollama builds are separate commercial products.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен vLLM (несколько GPU), но архитектура JiRackTernaryGemma4_26b ему неизвестна.

Класс архитектуры
JiRackTernaryGemma4_26b
Ревизия весов
e089b2e

0 моделей