/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Gemma-4-26B-A4B-NVFP4
Библиотека
llama-cpp
Опубликована
22 июл 2026

Gemma-4-26B-A4B-NVFP4-GGUF

Генерация текстаТекст → текст15 профессий

Квантизированная в NVFP4 мультимодальная Gemma 4 26B A4B в формате GGUF для диалога, рассуждений, программирования и анализа изображений через llama.cpp.

138скачиваний за 30 дней0лайковвеса обновлены22 июл 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 конверсия в формат GGUF модели Gemma 4 26B A4B IT, квантизированной NVIDIA в NVFP4. Базовую модель разработала Google DeepMind; в репозитории указаны 25,2 млрд общих и 3,8 млрд активных параметров. Модель построена на архитектуре Transformers с чередованием локального скользящего и глобального внимания, поддерживает контекст до 256 тысяч токенов и более 140 языков.

Модель принимает текст и изображения, обрабатывает видео как последовательности кадров и генерирует текст. Она предназначена для диалога, рассуждений, программирования, агентных сценариев и мультимодального понимания. GGUF-файл рассчитан на запуск через llama.cpp и совместимые движки; в карточке также приведены результаты бенчмарков базового NVFP4-чекпойнта, близкие к показателям полноточной версии.

Репозиторий распространяется по лицензии Apache-2.0. Это NVFP4-квантизированная модель, поэтому для запуска и качества вывода важны поддержка формата и совместимость используемого движка; README рекомендует сборку llama.cpp с CUDA для NVFP4.

Сценарии применения

  • диалоговые ответы на текстовые запросы
  • анализ изображений с текстовым ответом
  • обобщение и анализ видеокадров
  • помощь в программировании
  • решение задач на рассуждение
  • агентные сценарии с вызовом инструментов

Ограничения

Для работы с NVFP4 требуется совместимый движок; README рекомендует llama.cpp, собранный с поддержкой CUDA. Указанные в карточке показатели бенчмарков скопированы с базовой NVIDIA NVFP4-модели, а не представлены как независимая оценка этой GGUF-конверсии.

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

Description

Gemma 4 26B A4B NVFP4 GGUF created from https://huggingface.co/nvidia/Gemma-4-26B-A4B-NVFP4

Model Overview

Gemma 4 26B IT is an open multimodal model built by Google DeepMind that handles text and image inputs, can process video as sequences of frames, and generates text output. It is designed to deliver frontier-level performance for reasoning, agentic workflows, coding, and multimodal understanding on consumer GPUs and workstations, with a 256K-token context window and support for over 140 languages. The model uses a hybrid attention mechanism that interleaves local sliding-window and full global attention, with unified Keys and Values in global layers and Proportional RoPE (p-RoPE) to support long-context performance.

This repository contains a GGUF conversion of the NVIDIA NVFP4-quantized checkpoint, making it usable with llama.cpp and other GGUF-compatible inference engines.

Model Architecture

PropertyValue
Architecture TypeTransformers
Total Parameters25.2B
Active Parameters3.8B
Layers30
Sliding Window1024 tokens
Context Length256K tokens
Vocabulary Size262K
MoE Configuration8 active / 128 total experts + 1 shared
Supported ModalitiesText, Image
Vision Encoder Parameters~550M

GGUF File

FileDescription
gemma-4-26b-a4b-nvfp4.ggufSingle-file GGUF model (NVFP4 quantization)

A chat_template.jinja file is also provided for use with chat-based inference.

Usage

llama.cpp

# Build llama.cpp with CUDA support (recommended for NVFP4)
cmake -B build -DGGML_CUDA=ON
cmake --build build --config Release

# Run inference
./build/bin/llama-cli \
  -m gemma-4-26b-a4b-nvfp4.gguf \
  -p "Explain quantum computing in simple terms." \
  --temp 1.0 --top-k 64 --top-p 0.95

llama-server (OpenAI-compatible API)

./build/bin/llama-server \
  -m gemma-4-26b-a4b-nvfp4.gguf \
  --host 0.0.0.0 --port 8080

Generation Parameters

The recommended generation parameters (from the original model's generation_config.json):

ParameterValue
Temperature1.0
Top-K64
Top-P0.95
BOS Token ID2
EOS Token IDs1, 106, 50
Pad Token ID0

Evaluation Results (copied from: nvidia/Gemma-4-26B-A4B-NVFP4)

BenchmarkBaseline (Full Precision)NVFP4
GPQA Diamond80.30%79.90%
AIME 202588.95%90.00%
MMLU Pro85.00%84.80%
LiveCodeBench (pass@1)80.50%79.80%
IFBench77.77%78.10%
IFEval96.60%96.40%

Baseline: Gemma-4-26B-A4B-it-bf16 Benchmarked with temperature=1.0, top_p=0.95, max_new_tokens=131072

Acknowledgements

License

Apache License 2.0

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Ревизия весов
c996e2e

0 моделей