/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-26B-A4B-it
Библиотека
llama-cpp
Опубликована
10 авг 2026

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

Мультимодальная модель15 профессий

Квантованная в NVFP4 версия мультимодальной Gemma 4 для локального запуска диалогов и анализа текста, изображений и аудио через llama.cpp.

1 137скачиваний за 30 дней0лайковвеса обновлены3 окт 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

WhiskyAKM подготовил конверсию Gemma 4 26B A4B IT QAT в формат GGUF с NVFP4-квантизацией для запуска через llama.cpp и другие совместимые движки. В основе — мультимодальная модель Google DeepMind с архитектурой Gemma4ForConditionalGeneration и 26 млрд параметров; для работы с изображениями и аудио в репозитории также доступен мультимодальный проектор. Модель принимает текст, изображения и аудио, а выдаёт текст; карточка заявляет контекст до 256 тысяч токенов и поддержку более 140 языков.

Модель предназначена для диалогов, рассуждений, программирования, анализа изображений и аудио, а также сценариев с вызовом инструментов. Доступны несколько уровней квантования GGUF; для мультимодального ввода требуется использовать mmproj.gguf. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • диалоговые ответы и рассуждения на русском и других языках
  • ответы на вопросы по изображению
  • понимание аудиовхода в диалоге
  • помощь с программированием
  • вызов инструментов в агентных сценариях

Ограничения

Для обработки изображений и аудио требуется мультимодальный проектор mmproj.gguf и совместимый движок. Русский язык относится к заявленной многоязычной поддержке, но отдельно как основной язык модели не выделен.

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 QAT — NVFP4 GGUF

NVFP4 GGUF conversions derived from the Quantization-Aware Training (QAT) checkpoint of Gemma 4 26B A4B IT (google/gemma-4-26B-A4B-it-qat-q4_0-unquantized).

This repository provides multiple GGUF quantization levels, making the model usable with llama.cpp and other GGUF-compatible inference engines.

Model Overview

Gemma 4 26B A4B IT is a multimodal model built by Google DeepMind that handles text, image, and audio inputs and generates text output. It is designed for efficient on-device and server deployment.

Model Architecture

PropertyValue
ArchitectureGemma4ForConditionalGeneration
Parameters26B
Supported ModalitiesText, Image, Audio
Context Length256K tokens (262144)
Vocabulary Size262K (262144)

GGUF Files

FileFormatSizeDescription
gemma-4-26b-a4b-qat-nvfp4.ggufNVFP414GNVFP4 Quantization
mmproj.gguf-1,2GMultimodal projector (vision + audio)
mtp-bf16.ggufBF160.8GMTP draft model
mtp-nvfp4.ggufNVFP40.3GNVFP4 quantized MTP draft model

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

Usage

llama.cpp (CLI)

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

llama-server (OpenAI-compatible API)

# Text-only
./llama-server \
  -m gemma-4-26b-a4b-qat-nvfp4.gguf \
  --host 0.0.0.0 --port 8080

# Multimodal (image + audio)
./llama-server \
  -m gemma-4-26b-a4b-qat-nvfp4.gguf \
  --mmproj mmproj.gguf \
  --host 0.0.0.0 --port 8080

lllama.cpp with MTP draft

# fit must be off to eanble MTP
# i find max 6, min 1 to be optimal settings
./llama-cli \
  -m gemma-4-26b-a4b-qat-nvfp4.gguf \
  --fit off \ 
  --spec-type draft-mtp -md mtp-nvfp4.gguf \
  --spec-draft-n-max 6 --spec-draft-n-min 1

Multimodal (Image / Audio)

For image and audio inputs, use llama-server or llama-cli with the --mmproj flag pointing to mmproj.gguf. Refer to your inference engine's documentation for passing image/audio data alongside text prompts.

Modality order tip: For best results, place image content before text and audio content after text in your prompt.

Generation Parameters

Recommended parameters:

ParameterValue
Temperature1.0
Top-K64
Top-P0.95
BOS Token ID2
EOS Token ID1
Pad Token ID0
Mask Token ID4

Thinking Mode

Gemma 4 supports configurable thinking (reasoning) mode:

  • Enable: Include the <|think|> token at the start of the system prompt.
  • Output format: When thinking is enabled, the model outputs internal reasoning followed by the final answer:
    <|channel>thought
    [Internal reasoning]
    <channel|>
    [Final answer]
    
  • Disable: Omit the <|think|> token.

Key Features

  • Multimodal: Text, image, and audio understanding
  • Long Context: 256K token context window
  • Function Calling: Native support for structured tool use (agentic workflows)
  • Multilingual: Support for 140+ languages
  • Native System Prompt: Supports the system role for structured conversations

Acknowledgements

Citation

@misc{gemmateam2026gemma4,
      title={Gemma 4 Technical Report},
      author={Gemma Team},
      year={2026},
      eprint={2607.02770},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2607.02770},
}

License

Apache License 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · llama-cpp

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Ревизия весов
4b5b20a

0 моделей