/ Модель

Характеристики

Лицензия
Gemma
Опубликована
6 сен 2026

gemma-4-E2B-uncensored-slim-GGUF

Генерация текстаТекст → текст6 профессий

NLLM-ai/gemma-4-E2B-uncensored-slim-GGUF — компактная сборка на базе модели Gemma, подготовленная проектом NLLM-ai для локального запуска.

616скачиваний за 30 дней0лайковвеса обновлены6 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

Это не отдельная турецкая дообученная модель: поддержка турецкого языка унаследована от базовой модели. Сборка предназначена для генерации текста и диалоговых сценариев на турецком и английском языках, включая локальных ассистентов, Android-приложения, лёгких агентов, офлайн-инференс и исследования мобильного ИИ.

Модель распространяется в формате GGUF с квантизацией Q4_K_M, при которой веса представлены примерно в 4-битной точности с сохранением более высокой точности для отдельных тензоров. Размер файла составляет около 2,72 ГБ, а рекомендуемый объём оперативной памяти — не менее 4 ГБ; заявленная потребность модели в памяти составляет около 3 ГБ. Она совместима с llama.cpp и ориентирована на arm64-v8a, Android и другие устройства с ограниченными ресурсами. В README приведены примеры запуска с контекстом 2048 и 4096 токенов, однако полный размер контекстного окна не указан. На TECNO KM8n измерена скорость около 5 токенов в секунду при работе на CPU без ускорения GPU.

Сильными сторонами модели являются полностью локальная работа без облачного инференса, удалённого API, API-ключа и обязательного подключения к интернету после загрузки, а также сниженные требования к размеру и пропускной способности памяти. Ограничения включают зависимость производительности от аппаратной платформы, памяти, тепловых условий, длины контекста и фоновой нагрузки; приведённые показатели относятся только к одному устройству. Условия использования определяются Gemma Terms of Use и Gemma Prohibited Use Policy.

Для каких профессий подходит6

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 E2B Uncensored Slim — Q4_K_M GGUF

A compact Q4_K_M requantized GGUF build of a Gemma-based "uncensored slim" derivative, prepared primarily for efficient on-device inference.

This release is focused on Android, mobile-class hardware and llama.cpp compatible runtimes.

The model can run fully locally:

  • no cloud inference
  • no remote API
  • no API key
  • no mandatory internet connection after download

It is used experimentally with NLLM, an Android-oriented local LLM runtime built around llama.cpp.

Why Q4_K_M?

On mobile devices, memory footprint and memory bandwidth are often the main bottlenecks.

Q4_K_M reduces model weight precision to approximately 4-bit while retaining higher precision for selected tensors where additional accuracy is useful.

The goal of this requantized build is to provide a practical balance between:

  • model size
  • RAM usage
  • inference speed
  • response quality

This makes the model considerably easier to deploy on constrained hardware than a higher-precision checkpoint.

Model File

FieldValue
Filegemma-4-E2B-uncensored-slim-Q4_K_M.gguf
QuantizationQ4_K_M
Size~2.72 GB
FormatGGUF
SHA256adce3282cb2e87c1f878a92f9e55d9c0ba9f40fda7367dc535aabff13b6be31b

Running with llama.cpp

CLI

llama-cli \
  -m gemma-4-E2B-uncensored-slim-Q4_K_M.gguf \
  -ngl 0 \
  -c 2048 \
  -p "Merhaba, nasilsin?"

Local OpenAI-compatible server

llama-server \
  -m gemma-4-E2B-uncensored-slim-Q4_K_M.gguf \
  -c 4096 \
  --port 8080

Android / NLLM

Download the GGUF file to the device and select it as the active model inside NLLM.

The native inference layer uses an arm64-v8a build of llama.cpp.

Tested Hardware

FieldResult
DeviceTECNO KM8n (arm64-v8a)
Architecturearm64-v8a
Approx. model RAM requirement~3 GB
Suggested system RAM4 GB minimum
Measured CPU inference~5 token/s

Performance varies significantly depending on CPU architecture, memory bandwidth, thermal limits, context length and background load.

The measurement above refers to CPU inference without GPU acceleration.

Requantization Notes

This repository is primarily about deployment optimization, not language fine-tuning.

The model has been prepared as a smaller Q4_K_M GGUF build so it can be used more comfortably on mobile and local devices.

Turkish capability comes from the underlying model rather than from a dedicated Turkish fine-tuning stage.

Intended Use

Suitable for experimentation with:

  • local assistants
  • Android LLM applications
  • offline inference
  • lightweight agents
  • mobile AI research
  • Turkish / English conversational workloads

License

This model is Gemma-based.

Use is subject to the Gemma Terms of Use and Gemma Prohibited Use Policy.

Users are responsible for complying with the applicable Gemma terms.


English Summary

Q4_K_M requantization of a Gemma-based "uncensored slim" derivative, prepared for efficient fully on-device inference on Android and other resource-constrained systems through llama.cpp.

This is not a Turkish fine-tune. Its Turkish capability comes from the underlying model; this repository focuses on reducing deployment footprint and making local mobile inference practical.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
3f3f7ab

0 моделей