/ Модель

Характеристики

Лицензия
Gemma
Базовая модель
gemma-4-26B-A4B-it
Опубликована
10 июн 2026

Gemma-4-26B-A4B-It-Abliterated-GGUF

Изображение и текст → текст15 профессий

SevenOfNine/Gemma-4-26B-A4B-It-Abliterated-GGUF — набор GGUF-квантизаций модели Gemma-4-26B-A4B-It-Abliterated, разработанной SevenOfNine на основе google/gemma-4-26B-A4B-it.

1 376скачиваний за 30 дней5лайковвеса обновлены10 июн 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 текстовых и мультимодальных задач с изображениями, вызова инструментов, рассуждений, творческого и ролевого использования. Доступны варианты Q5_K_M, Q6_K и BF16, а также отдельный vision-проектор; рекомендуемый вариант Q5_K_M занимает 19,1 ГБ. Архитектура Mixture-of-Experts содержит 26 млрд параметров, из которых активно около 4 млрд. Заявлены поддержка английского и французского языков и контекст до 250 000 токенов при использовании llama.cpp с соответствующими настройками и достаточным объёмом оперативной памяти.

Модель подвергнута abliteration с помощью Heretic для уменьшения отказов в ответах: по данным карточки, показатель отказов снизился со 100 из 100 у исходной модели до 18 из 100, при KL-дивергенции 0,0845. Это сохраняет близость к исходным возможностям, но одновременно означает ослабление встроенных ограничений безопасности. Для работы с изображениями и инструментами требуются шаблон чата и параметры llama.cpp, совместимые с Gemma 4; полноценное качество зависит от выбранной квантизации, объёма RAM и VRAM. Модель распространяется по лицензии Gemma.

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-4-26B-A4B-It-Abliterated-GGUF

GGUF quants of Gemma-4-26B-A4B-It-Abliterated — google/gemma-4-26B-A4B-it (26B Mixture-of-Experts, 4B active params, vision + tool calling) fully decensored with Heretic in full bf16.

FileQuantSizeNotes
Gemma-4-26B-A4B-It-Abliterated-Q5_K_M.ggufQ5_K_M19.1 GBrecommended — sweet spot for 32 GB RAM rigs
Gemma-4-26B-A4B-It-Abliterated-Q6_K.ggufQ6_K22.6 GBmax quality; needs ~24 GB free RAM with -cmoe
Gemma-4-26B-A4B-It-Abliterated-BF16.ggufBF1650.5 GBfull-precision GGUF — source for rolling your own quants (llama-quantize BF16.gguf out.gguf Q4_K_M)
Gemma-4-26B-A4B-It-Abliterated-mmproj-f16.ggufmmproj1.2 GBvision projector — add --mmproj to llama-server for image input

logs/ holds the full Heretic run logs (Pareto front, per-trial metrics). Smaller rig? Grab the BF16 and quantize down to Q4_K_M / Q3_K_M yourself.

Abliteration result

MetricValue
Baseline refusals (original model)100 / 100
Selected trial (Trial 98) refusals18 / 100
KL divergence vs original0.0845

The selection rule was fewest refusals while keeping KL divergence ≤ 0.5 (brain first). For reference, Heretic itself warns that KL above 0.5 indicates significant capability damage — at 0.0845, the model's intelligence is essentially intact while 82 % of hard refusals are gone. The refusal benchmark uses extreme harmful prompts; everyday creative/roleplay use sees refusals fall away well before that threshold.

Run it with 250k context on a 16 GB GPU

-cmoe offloads the MoE expert weights to system RAM; the GPU keeps attention + KV cache only.

llama-server -m Gemma-4-26B-A4B-It-Abliterated-Q5_K_M.gguf -cmoe -c 248000 -ngl 99

Measured: 34.5 tokens/sec decode on an RTX 4080 Super (16 GB) + 32 GB RAM, Q5_K_M, -cmoe. (The original 8 GB-VRAM demo this model is known for reported ~20 tok/s; more VRAM headroom helps.) If RAM is tight, quantize the KV cache: -ctk q8_0 -ctv q8_0.

Reasoning / thinking (do it right)

Gemma 4 emits its chain-of-thought between <|channel>thought … <channel|> tokens. To get a clean separated thinking channel (not leaked into the reply), run llama-server with:

--jinja --reasoning-format deepseek --reasoning on

The thought then lands in message.reasoning_content and message.content stays clean. With --reasoning-format none (a common default) the thinking leaks into the visible reply — that is the usual cause of "messy thinking" reports.

For vision and tools, serve with --jinja and Google's updated chat_template.jinja (2026-04-28 SI/tools + 2026-05-18 multimodal fixes).

Method (short)

200 Heretic TPE trials on an A100 80 GB, bf16, abliterating attn.o_proj + mlp.down_proj across all 30 layers. GGUF conversion + quantization done locally (Gemma 4's tokenizer needs transformers >= 5.6; the convert step requires it explicitly). Full details in the model card.


Built with love by Mel & Ada ❤️

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
59f956d

0 моделей