/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-12B-it
Опубликована
11 сен 2026

gemma-4-12B-it-QUASAR-Q4_0-GGUF

Изображение и текст → текст15 профессий

gemma-4-12B-it-QUASAR-Q4_0-GGUF — мультимодальная квантованная версия модели Gemma 4 12B Instruct, разработанная QUASAR-QAT на базе google/gemma-4-12B-it.

1 360скачиваний за 30 дней4лайкавеса обновлены16 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

Модель предназначена для диалогов, генерации и понимания текста, работы с изображениями, рассуждений, вызова функций и инструментов, а также агентских сценариев. Заявлена поддержка английского и других языков, однако полный перечень языков и размер контекстного окна в README не указаны.

Модель поставляется в формате GGUF с нативной 4-битной INT4-квантизацией Q4_0, выполненной методом quantization-aware training. Указан размер базовой модели 12B параметров; мультимодальная поддержка обеспечивается vision projector из исходной BF16-модели. Формат совместим со стандартными средствами llama.cpp, Ollama и LM Studio. По измерениям авторов, на отложенных чат-запросах модель показала KL-дивергенцию 0,048 и совпадение top-1 с BF16-версией на уровне 94,3%; эти результаты помечены как непроверенные.

К сильным сторонам относятся сохранение близкого к BF16 поведения при меньшем размере и требованиях к ресурсам, а также поддержка текста и изображений. Ограничения включают возможные потери качества из-за 4-битной квантизации, зависимость мультимодальных возможностей от совместимого рантайма и отсутствие в README точных требований к памяти, производительности и максимальному контексту. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит15

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 12B — closest Q4_0 to BF16

arXiv License Collection Native QAT

30% lower KL than Google's official Q4_0 QAT and 2.2× closer to BF16 than Unsloth's imatrix Q4_0. Same size as Google. Standard Q4_0 runtime.

Q4_0KL to BF16 ↓Top-1 agreement ↑
QUASAR0.04894.3%
Google QAT0.06993.5%
Unsloth Q4_0 (imatrix)0.10891.6%
Standard Q4_0 (llama-quantize, no imatrix)0.15689.8%

The W4A16 twin shows the same pattern under transformers: KL 0.034 to BF16 vs 0.044 for Google's W4A16 QAT (top-1 95.5% vs 94.8%).

ollama run hf.co/QUASAR-QAT/gemma-4-12B-it-QUASAR-Q4_0-GGUF
llama-cli -hf QUASAR-QAT/gemma-4-12B-it-QUASAR-Q4_0-GGUF

KL to BF16 through llama.cpp, per 4-bit file

Better fidelity than the popular alternatives

QUASAR also gets lower KL than Unsloth's Q4_0 repack of Google's QAT checkpoint, and than LM Studio's Q4_K_M — a more expressive format:

GGUFKL to BF16 ↓
QUASAR Q4_00.048
Unsloth Google-QAT repack (Q4_0)0.053
LM Studio Q4_K_M0.110

Same BF16 reference, prompts, llama.cpp build, and backend.

Full evaluation and reproduction details → EVAL.md

Downstream benchmarks

Higher point estimates on all four downstream benchmarks than Google's QAT model (measured on the W4A16 twin, which carries the same trained codes).

BenchmarkQUASARGoogle QAT
MMLU70.467.8
IFEval87.687.3
ARC-Challenge51.350.1
AGIEval24.222.6
Average58.457.0

The MMLU gain is statistically robust: +2.6 points, 95% CI [+2.0, +3.2] (paired bootstrap over 14,042 questions). Full configs, BF16 results and CIs are in EVAL.md.

Native QAT GGUF

Native Q4_0 QAT, not a post-training re-quantization. The GGUF stores QUASAR's trained INT4 codes and scales directly; all 328 quantized tensors are verified against the W4A16 twin (native_q4_0_receipt.json, verifier in scripts/). No re-rounding and no custom runtime.

Multimodal support is included through the BF16 vision projector from google/gemma-4-12B-it.

Run it

  • Ollama: ollama run hf.co/QUASAR-QAT/gemma-4-12B-it-QUASAR-Q4_0-GGUF — the vision projector is picked up automatically.
  • LM Studio: search QUASAR-QAT gemma-4-12B in Discover.
  • llama.cpp, vision: llama-mtmd-cli -hf QUASAR-QAT/gemma-4-12B-it-QUASAR-Q4_0-GGUF --image photo.jpg -p "Describe this image." --jinja
  • Thinking: on by default in the embedded Gemma 4 chat template; toggle with --chat-template-kwargs '{"enable_thinking": false}' (llama-cli / llama-server).
  • Sampling: Gemma 4 defaults — temperature 1.0, top-k 64, top-p 0.95.
  • Context: 262,144 tokens.

What's inside

FileSize
gemma-4-12B-it-QUASAR-Q4_0.gguf — Q4_0 linears (trained group-64 scales), Q6_K token embeddings, chat template embedded6.98 GB
mmproj-gemma-4-12B-it-BF16.gguf — unmodified BF16 vision projector from google/gemma-4-12B-it175 MB
native_q4_0_receipt.json, SHA256SUMS, EVAL.md, scripts/ (packer/verifier, eval harvest, paired bootstrap)

QUASAR

QUASAR is loss-aware quantization-aware training. It improves the low-bit reconstruction during training, then exports to standard deployment formats with zero inference overhead.

This checkpoint was healed against the BF16 teacher for ~600M tokens: one epoch over ~377k prompts self-distilled from BF16 Gemma 4 12B-it with thinking on, fp32 master weights, INT4 group-64.

Related

License

Based on Gemma 4 by Google DeepMind. Upstream LICENSE/NOTICE apply.

Citation

arxiv.org/abs/2608.13966

@article{counathe2026quasar,
  title={QUASAR: Lowering the Loss Floor of Quantization-Aware Training with Loss-Aware Reconstruction},
  author={Counathe, Vincent and Athiwaratkun, Ben and De Sa, Christopher and Zhang, Tianyi},
  journal={arXiv preprint arXiv:2608.13966},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
0870350

0 моделей