/ Модель

Характеристики

Лицензия
Gemma
Архитектура
gemma3 · dense
Базовая модель
gemma-3-12b-it
Библиотека
transformers
Опубликована
11 апр 2025

gemma-3-12b-it-GPTQ-4b-128g

Изображение и текст → текст7 профессий

ISTA-DASLab/gemma-3-12b-it-GPTQ-4b-128g — квантизированная версия мультимодальной instruction-tuned модели google/gemma-3-12b-it.

31 280скачиваний за 30 дней6лайковвеса обновлены13 апр 2025

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

Она предназначена для задач генерации текста и обработки изображений с текстовыми запросами, включая описание изображений и сценарии визуально-языкового диалога. Модель поддерживает архитектуру Gemma 3 с языковой и зрительной компонентами; точные языки и максимальный размер контекста в README не указаны.

Веса линейных операторов языковой части трансформерных блоков сжаты до INT4 с использованием GPTQ, симметричной групповой квантизации и размером группы 128. Зрительная модель и мультимодальный проекционный слой сохранены в исходной точности. Это примерно на 75% уменьшает размер на диске и требования к видеопамяти по сравнению с 16-битной версией, что упрощает локальный запуск и инференс через transformers или vLLM. В тестах OpenLLM средний результат составил 0,7405 против 0,7524 у исходной модели, то есть качество снизилось незначительно.

Модель подходит для развёртывания на GPU с ограниченными ресурсами и мультимодальных приложений, однако квантизация может немного ухудшать точность по сравнению с оригиналом, а README не содержит подробностей о производительности на разных конфигурациях и языках. Для работы требуются совместимые версии transformers или vLLM. Лицензия указана как gemma.

Для каких профессий подходит7

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-3-12b-it-GPTQ-4b-128g

Model Overview

This model was obtained by quantizing the weights of gemma-3-12b-it to INT4 data type. This optimization reduces the number of bits per parameter from 16 to 4, reducing the disk size and GPU memory requirements by approximately 75%.

Only the weights of the linear operators within language_model transformers blocks are quantized. Vision model and multimodal projection are kept in original precision. Weights are quantized using a symmetric per-group scheme, with group size 128. The GPTQ algorithm is applied for quantization.

Model checkpoint is saved in compressed_tensors format.

Evaluation

This model was evaluated on the OpenLLM v1 benchmarks. Model outputs were generated with the vLLM engine.

ModelArcCGSM8kHellaswagMMLUTruthfulQA-mc2WinograndeAverageRecovery
gemma-3-12b-it0.71250.87190.83770.72300.57980.78930.75241.0000
gemma-3-12b-it-INT4 (this)0.69880.86430.82540.70780.56380.78300.74050.9842

Reproduction

The results were obtained using the following commands:

MODEL=ISTA-DASLab/gemma-3-12b-it-GPTQ-4b-128g
MODEL_ARGS="pretrained=$MODEL,max_model_len=4096,tensor_parallel_size=1,dtype=auto,gpu_memory_utilization=0.80"

lm_eval \
  --model vllm \
  --model_args $MODEL_ARGS \
  --tasks openllm \
  --batch_size auto

Usage

  • To use the model in transformers update the package to stable release of Gemma3:

    pip install git+https://github.com/huggingface/transformers@v4.49.0-Gemma-3

  • To use the model in vLLM update the package to version after this PR.

And example of inference via transformers is provided below:

# pip install accelerate

from transformers import AutoProcessor, Gemma3ForConditionalGeneration
from PIL import Image
import requests
import torch

model_id = "ISTA-DASLab/gemma-3-12b-it-GPTQ-4b-128g"

model = Gemma3ForConditionalGeneration.from_pretrained(
    model_id, device_map="auto"
).eval()

processor = AutoProcessor.from_pretrained(model_id)

messages = [
    {
        "role": "system",
        "content": [{"type": "text", "text": "You are a helpful assistant."}]
    },
    {
        "role": "user",
        "content": [
            {"type": "image", "image": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/bee.jpg"},
            {"type": "text", "text": "Describe this image in detail."}
        ]
    }
]

inputs = processor.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt"
).to(model.device, dtype=torch.bfloat16)

input_len = inputs["input_ids"].shape[-1]

with torch.inference_mode():
    generation = model.generate(**inputs, max_new_tokens=100, do_sample=False)
    generation = generation[0][input_len:]

decoded = processor.decode(generation, skip_special_tokens=True)
print(decoded)

# **Overall Impression:** The image is a close-up shot of a vibrant garden scene, 
# focusing on a cluster of pink cosmos flowers and a busy bumblebee. 
# It has a slightly soft, natural feel, likely captured in daylight.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Gemma3ForConditionalGeneration
Ревизия весов
67efa0d

0 моделей