/ Модель

Характеристики

Размер весов
27,2 ГБ
Лицензия
Apache 2.0
Архитектура
diffusion_gemma · dense
Базовая модель
diffusiongemma-26B-A4B-it
Библиотека
transformers
Опубликована
9 июн 2026

diffusiongemma-26B-A4B-it-FP8-dynamic

Изображение и текст → текст5 профессий

RedHatAI/diffusiongemma-26B-A4B-it-FP8-dynamic — это динамически квантованная в FP8 версия модели google/diffusiongemma-26B-A4B-it, подготовленная Red Hat AI.

28 949скачиваний за 30 дней12лайковвеса обновлены13 авг 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 задач генерации текста и сценариев image-text-to-text, включая работу через vLLM. Она использует формат compressed-tensors; веса и активации линейных слоёв квантованы в FP8. Общее число параметров составляет около 25,8 млрд, из них примерно 22,8 млрд приходятся на экспертные параметры и 3 млрд — на неэкспертные. В README также упоминаются vision tower и поддержка режима рассуждений, однако точный список языков и размер контекстного окна не указан.

Ключевое преимущество модели — снижение требований к памяти и вычислительным ресурсам по сравнению с неквантованной версией при сохранении близкого качества. По результатам оценки на одной GPU B200 восстановление качества составило от 93,7% до 102,5% на указанных тестах; на AIME 2025, GPQA Diamond, IFEval, GSM8K и MMLU результаты в целом близки к исходной модели. Для запуска рекомендуется vLLM 0.24.0 с включённым V2 model runner и специальными параметрами diffusion sampler; модель валидирована в RHOAI 3.5 и RHAIIS 3.5.

Ограничения включают возможную потерю качества из-за FP8-квантизации, зависимость от совместимых версий vLLM и Transformers, а также необходимость использования параметра trust-remote-code. В README не приведены подробные сведения о языковой поддержке, контекстном окне, требованиях к GPU помимо результатов на B200 и ограничениях применения. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит5

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

This model is an FP8 quantized version of google/diffusiongemma-26B-A4B-it. The model has both weights and activations quantized to FP8 using vllm/llm-compressor and in the compressed-tensors format. It was evaluated on several tasks to assess its quality in comparison to the unquantized model using vLLM.

Deployment

VLLM_USE_V2_MODEL_RUNNER=1
vllm serve  RedHatAI/diffusiongemma-26B-A4B-it-FP8-dynamic \
    --trust-remote-code \
    --max-num-seqs 4 \
    --hf-overrides '{"diffusion_sampler": "entropy_bound", "diffusion_entropy_bound": 0.1}' \
    --default-chat-template-kwargs '{"enable_thinking": true}'

Creation

"""
Quantize DiffusionGemma model to FP8 using LLM Compressor v0.11.0

Model: google/diffusiongemma-26B-A4B-it
- Total parameters: ~25.8B
- Expert parameters: 22.8B (88.4%)
- Non-expert parameters: 3.0B (11.6%)

Note: This will require a local update to transformers to support the model definition.
"""

import torch
from compressed_tensors.offload import dispatch_model
from transformers import AutoProcessor
from transformers.models.diffusion_gemma import DiffusionGemmaForBlockDiffusion

from llmcompressor import oneshot
from llmcompressor.modeling.diffusion_gemma4 import (  # noqa: F401
    CalibrationDiffusionGemmaTextExperts,
)
from llmcompressor.modifiers.quantization import QuantizationModifier

# Load model
MODEL_ID = "google/diffusiongemma-26B-A4B-it"
model = DiffusionGemmaForBlockDiffusion.from_pretrained(
    MODEL_ID, dtype="auto", trust_remote_code=True
)
processor = AutoProcessor.from_pretrained(MODEL_ID, trust_remote_code=True)

# CalibrationDiffusionGemmaTextExperts replaces the original
# DiffusionGemmaTextExperts class during calibration to:
# 1. Linearize the 3D expert tensors into individual nn.Linear modules
# 2. Ensure all experts are properly calibrated, even those not activated
#    for certain tokens during calibration

# Configure the quantization scheme
# FP8 Dynamic for all Linear layers
recipe = QuantizationModifier(
    targets="Linear",
    scheme="FP8_DYNAMIC",
    ignore=[
        "lm_head",
        "re:.*embed.*",
        "re:.*router",
        "re:.*vision_tower.*",
        "re:.*self_conditioning.*",
    ],
)

oneshot(
    model=model,
    recipe=recipe
)


# Test sample generation
print("========== SAMPLE GENERATION ==============")
dispatch_model(model)

# "The reason the sky is blue is because" + chat template
input_ids = torch.tensor(
    [[
        2, 105, 2364, 107, 818, 3282, 506, 7217, 563, 3730, 563,
        1547, 106, 107, 105, 4368, 107
    ]]
).to(model.device)

output = model.generate(
    input_ids,
    max_new_tokens=100,
    max_denoising_steps=48,
)
print(processor.tokenizer.decode(output[0]))
print("==========================================\n\n")

# Save to disk in compressed-tensors format
SAVE_DIR = MODEL_ID.rstrip("/").split("/")[-1] + "-FP8-Dynamic"
model.save_pretrained(SAVE_DIR)
processor.save_pretrained(SAVE_DIR)

Accuracy

The following metrics were generated when serving the quantized model with vLLM on a single B200 GPU.

Benchmarkgoogle/diffusiongemma-26B-A4B-itRedHatAI/diffusiongemma-26B-A4B-it-FP8-dynamicRecovery (%)
AIME 20250.4370.42396.8%
GPQA Diamond0.6410.657102.5%
IFEval0.8790.86298.1%
GSM8K0.9430.94299.9%
MMLU 0-Shot0.5390.50593.7%
Thinking
AIME 20250.6500.660101.5%
GPQA Diamond0.6980.68998.7%
GSM8K0.9510.952100.1%

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
DiffusionGemmaForBlockDiffusion
Ревизия весов
3b3dae4

0 моделей