/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-12B-it
Библиотека
gguf
Опубликована
8 июн 2026

Gemma-4-12B-it-MXFP4-GGUF

Генерация текстаТекст → текст15 профессий

Квантизированная в MXFP4 версия Gemma 4 12B-it в формате GGUF для локального диалога и генерации текста по инструкциям.

604скачиваний за 30 дней0лайковвеса обновлены16 сен 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 «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

Это 4-битная MXFP4-квантизация инструкционной модели Google Gemma 4 12B-it, подготовленная FreedomAISVR в формате GGUF. В основе лежит плотный декодерный трансформер Gemma4ForCausalLM с 12,08 млрд параметров; README указывает размер файла 6,3 ГБ и целевую платформу — видеокарты NVIDIA Blackwell, включая RTX 50-й серии.

Модель предназначена для диалогов и генерации текста по инструкциям: она подходит для ответов на вопросы, рассуждений и задач по коду. Базовая Gemma 4 поддерживает мультимодальное понимание, однако в этой карточке репозитория заявлена задача text-generation и возможность чата; другие входные модальности для данной сборки не подтверждены. README сообщает о контексте до 256 тыс. токенов и приводит результаты скорости на RTX 5060 Ti 16 ГБ.

Квантизация уменьшает требования к памяти и ориентирована на запуск локально с llama.cpp на совместимом оборудовании; качество и скорость могут зависеть от реализации и аппаратуры. Модель распространяется по лицензии Apache-2.0. Sведения о поддерживаемых естественных языках в карточке ограничены английским языковым тегом.

Сценарии применения

  • локальный чат с инструкционной языковой моделью
  • ответы на вопросы и следование инструкциям
  • генерация и разбор программного кода
  • рассуждение по текстовым запросам

Ограничения

MXFP4 снижает точность представления весов по сравнению с исходной моделью, что может влиять на качество. Заявленная оптимизация ориентирована на NVIDIA Blackwell; практическая производительность зависит от оборудования и программной поддержки.

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 12B Instruct - MXFP4 GGUF

Base Model

This is a quantized version of google/gemma-4-12B-it, Google's instruction-tuned 12 billion parameter language model from the Gemma 4 family.

Gemma 4 12B is a dense, decoder-only transformer trained on a diverse dataset of text and code. It excels at instruction following, reasoning, coding, and multimodal understanding.

About This Quantization

  • Format: MXFP4 (OCP Microscaled FP4) — 4-bit E2M1 values with E8M0 power-of-two scaling per 32 values
  • BPW: 4.45 bits per weight
  • File size: 6.3 GB
  • Hardware target: NVIDIA Blackwell GPUs (RTX 50 series, SM 120a)
  • Note: MXFP4 is the recommended format for consumer Blackwell GPUs. Power-of-two E8M0 scaling enables faster decode than NVFP4.

Quantization Details

PropertyValue
Base modelgoogle/gemma-4-12B-it
ArchitectureGemma4ForCausalLM
Parameters12.08B
Layers48
Hidden size3840
Context length128K (tested up to 1M with Q4_0 KV)
QuantizationMXFP4
BPW4.45
File size6.3 GB

Performance (RTX 5060 Ti 16GB)

ContextKV CachePromptGeneration
128KQ8_043.8 t/s49.9 t/s
256KQ8_0244.8 t/s49.5 t/s
256KQ4_0309.8 t/s50.8 t/s
512KQ4_0301.0 t/s50.0 t/s
1MQ4_047.4 t/s50.2 t/s
1MQ8_017.4 t/s27.8 t/s

Recommended Settings

llama-cli -m gemma-4-12b-it-mxfp4.gguf -ngl 99 -c 262144 -ctk q8_0 -ctv q8_0 -b 1024 -ub 512 --flash-attn
  • -ngl 99 — full GPU offload
  • -c 262144 — 256K context (recommended sweet spot)
  • -ctk q8_0 -ctv q8_0 — KV cache at Q8_0 for best quality
  • -b 1024 -ub 512 — optimized batch sizes
  • --flash-attn — essential for long context

Why No MTP?

Gemma 4 models do not include Multi-Token Prediction (MTP) heads. MTP is a Qwen3-specific architecture feature. This is a standard Gemma 4 model with no modifications to the architecture.

Usage with llama.cpp

# Interactive mode
./llama-cli -m gemma-4-12b-it-mxfp4.gguf -ngl 99 -c 262144 -ctk q8_0 -ctv q8_0 --flash-attn -i

# Server mode
./llama-server -m gemma-4-12b-it-mxfp4.gguf -ngl 99 -c 262144 -ctk q8_0 -ctv q8_0 --flash-attn --host 0.0.0.0 --port 8080

License

Apache 2.0 — same as the base model.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
ec0e368

0 моделей