Квантизированная Gemma 4 для генерации текста и диалогов на устройствах Apple Silicon с MLX.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Gemma-4-26B-A4B-it-JANG4M — квантизированная модель семейства Gemma 4, подготовленная Jinho Jang для запуска на Apple Silicon через MLX. В README модель описана как MoE, однако метаданные указывают архитектуру Gemma4ForConditionalGeneration с типом dense; точное число параметров и активных параметров не приведено.
Модель предназначена для генерации текста и диалогового использования. README приводит пример загрузки и генерации через mlx_lm и отмечает, что библиотека автоматически использует список стоп-токенов из generation_config.json. Указанная лицензия — gemma. Карточка ориентирует запуск на vMLX.
README ориентирует модель на запуск через vMLX и MLX на Apple Silicon. Языковая поддержка и числовые характеристики модели в предоставленных материалах не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
JANG-quantized Gemma-4 MoE for Apple Silicon. Created by Jinho Jang — eric@jangq.ai.
See the full JANGQ-AI collection for all profiles.
from mlx_lm import load, generate
model, tokenizer = load("JANGQ-AI/Gemma-4-26B-A4B-it-JANG_4M")
print(generate(model, tokenizer, "Hello", max_tokens=256))
Stock mlx_lm picks up the multi-stop-token list ([1, 106, 50]) automatically from generation_config.json — no manual configuration required.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · mlx
MLX-модели работают только на Apple Silicon.