/ Модель

Характеристики

Размер весов
15,6 ГБ
Лицензия
Gemma
Архитектура
gemma4 · dense
Базовая модель
gemma-4-26B-A4B-it
Библиотека
mlx
Опубликована
12 апр 2026

supergemma4-26b-abliterated-multimodal-mlx-4bit

Изображение и текст → текст4 профессии

SuperGemma4-26B-Abliterated-Multimodal MLX 4bit — квантизированная 4-битная MLX-версия мультимодальной модели, разработанная Jiunsong на основе семейства Gemma 4 26B-A4B и производных моделей Google и Huihui-AI.

856скачиваний за 30 дней68лайковвеса обновлены18 апр 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

Модель предназначена для локального использования на устройствах Apple Silicon, где требуется обработка текста и изображений при сниженном потреблении дискового пространства и памяти.

Модель поддерживает сценарии image-text-to-text, включая текстовые запросы и ответы, основанные на содержимом изображений. Указаны языки English и Korean. Это релиз полной линейки SuperGemma4-26B-Abliterated-Multimodal, несмотря на возможное ошибочное отображение меньшего размера в интерфейсе Hugging Face; конкретный объём модели составляет около 15 ГБ. MLX-формат оптимизирован для локального запуска через mlx_vlm, а 4-битная квантизация уменьшает требования к ресурсам ценой некоторой потери точности.

К сильным сторонам относятся мультимодальность, адаптация под Apple Silicon и сниженный уровень отказов благодаря abliterated-настройкам. Модель проверена на текстовых и визуальных запросах, однако README не содержит подробных данных о фактическом контекстном окне, производительности, точности, поддерживаемых вариантах Apple Silicon или характерных ограничениях качества. Модель распространяется по лицензии Gemma; дополнительные условия лицензии в README не приведены.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Support ongoing open-source work: ko-fi.com/jiunsong

SuperGemma4-26B-Abliterated-Multimodal MLX 4bit

This is the lighter-weight MLX build of Jiunsong/supergemma4-26b-abliterated-multimodal.

It preserves multimodal behavior while reducing local storage and memory demand for Apple Silicon setups that want a smaller package.

Important note on the Hugging Face size badge

If the Hub UI shows this repo as a smaller class such as 5B or 8B, that is a Hub-side auto-inference artifact from the exported MLX quantized config.

This repo is still a quantized release of the full SuperGemma4-26B-Abliterated-Multimodal line derived from the Gemma 4 26B-A4B multimodal family. The smaller badge does not mean the model was accidentally converted into a different 5B or 8B model.

Why this variant

  • Smaller MLX footprint for local use
  • Keeps text + vision support
  • Preserves the abliterated / low-refusal behavior of the main release
  • Good option when you want better fit on-device without dropping multimodality
  • Verified with both text-only and image-grounded prompts

April 18 Stability Sync

  • Synced this quantized child repo to the latest hardened parent chat template.
  • Updated exact JSON-only formatting, long-context extraction, false-premise correction, and prompt-hygiene behavior.
  • This refresh does not change the quantized weights themselves; it updates the serving template and release notes so downstream runtimes inherit the same behavior fixes.
  • Parent validation snapshot after the refresh: capability audit 9 / 9, reliability audit 20 / 20.

Validation

  • Text check: returned READY
  • Image check: returned red for a solid red test image
  • Disk footprint: about 15 GB

Recommended use

Pick this version when you want a smaller MLX package and are willing to trade a bit of precision for a lighter local deployment.

Quick start

python3 -m mlx_vlm.server \
  --model /absolute/path/to/supergemma4-26b-abliterated-multimodal-mlx-4bit \
  --host 127.0.0.1 \
  --port 8091
from mlx_vlm import load

model, processor = load("/absolute/path/to/supergemma4-26b-abliterated-multimodal-mlx-4bit")
print("Loaded.")

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, на GPU NVIDIA они не запускаются.

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
183c3ce

0 моделей