Характеристики

Размер весов: 26,5 ГБ
Лицензия: Gemma
Архитектура: gemma4 · dense
Базовая модель: gemma-4-31B-it-qat-q4_0-unquantized
Библиотека: mlx
Опубликована: 9 июн 2026

Ссылки

Hugging Face

gemma-4-31B-it-qat-JANG_4M

JANGQ-AI

Изображение и текст → текст

Квантованный пакет Gemma 4 на базе MLX для диалогов и анализа изображений на Apple Silicon.

84скачиваний за 30 дней0лайковвеса обновлены8 сен 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

JANGQ-AI подготовила JANG_4M — пакет модели Gemma 4 для запуска через MLX и vMLX, преобразованный из google/gemma-4-31B-it-qat-q4_0-unquantized. Это плотная мультимодальная архитектура Gemma4ForConditionalGeneration с 60 текстовыми слоями, предназначенная для диалоговой генерации текста и анализа изображений. Поддержка аудио для этой сборки не заявлена: аудиоконфигурация не активна.

Пакет сочетает веса fp16 для эмбеддингов, нормализаций и компонентов обработки медиа, 8-битное аффинное представление для проекций self-attention и маршрутизатора MoE, а также 4-битное аффинное представление для основной массы MLP и экспертов. Для запуска нужен совместимый с Gemma 4 загрузчик MLX/vMLX, поддерживающий конфигурацию квантования, jang_config.json и файлы процессора и шаблона чата Gemma 4. Модель распространяется по лицензии Gemma; в карточке не приведены условия, позволяющие уточнить права на коммерческое использование.

Сценарии применения

ответы на вопросы по изображению
описание содержимого фотографии
диалоговая генерация текста
анализ изображений в приложениях на Apple Silicon

Ограничения

Аудиоввод для этой сборки не активен. Запуск требует совместимого загрузчика Gemma 4 для MLX/vMLX с поддержкой специальных конфигурационных файлов; условия коммерческого использования лицензии Gemma следует проверять отдельно.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

JANGQ-AI/gemma-4-31B-it-qat-JANG_4M

JANG_4M MLX affine bundle converted from google/gemma-4-31B-it-qat-q4_0-unquantized.

This bundle keeps Gemma 4 bookends and media-sensitive components coherent: token embeddings/output projection, norms, media towers/embedders, and Gemma 4 per-layer embedding/gate/projector tensors are fp16 passthrough; self-attention and MoE router projections are 8-bit affine; decoder MLP/expert bulk is 4-bit affine.

Bundle

Field	Value
Source	`google/gemma-4-31B-it-qat-q4_0-unquantized`
Architecture	`gemma4` / `Gemma4ForConditionalGeneration`
Text layers	60
Hidden size	5376
Weight format	`jang_affine`
Top-level quantization	bits=8, group_size=32, mode=affine
Tier bits	attention=8, router=8, mlp=4, embed=16, per_layer_media=16
Quantized modules	410 affine bases with `.scales` and `.biases` sidecars
Shards	25 safetensors shards
Capabilities	`vision`

Modalities

Modality	Status
Text	supported
Vision	source config present and preserved
Audio	`audio_config` is empty/not active for this variant; this card does not claim audio support.
Video	No `video_config` is present, so this card does not claim a verified video runtime path.

Runtime support depends on a Gemma 4 compatible MLX/vMLX loader that understands config.json quantization overrides, jang_config.json, and Gemma 4 processor/chat-template files.

Runtime Metadata

config.json has source-derived has_vision, has_audio, has_video, modalities, and capabilities.
tokenizer_config.json includes bos_token_id, eos_token_id, pad_token_id, and the patched Gemma 4 chat template.
processor_config.json is preserved for Gemma 4 multimodal processing.
MTP/speculative drafter weights are not present in the source checkpoint; metadata is mtp: none / mtp_policy: none.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры: Gemma4ForConditionalGeneration
Ревизия весов: 44def48