/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-E4B-it
Опубликована
14 июн 2026

gemma4-e4b-w4a16-it-v2

Изображение и текст → текст13 профессий

Квантизированная W4A16 версия Gemma 4 E4B Instruct для диалога, ответов по изображениям и анализа документов.

33скачиваний за 30 дней0лайковвеса обновлены19 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

amir22010/gemma4-e4b-w4a16-it-v2 — мультимодальная модель для диалога и анализа изображений, созданная Team Horizon на основе google/gemma-4-E4B-it. Это версия Gemma 4 E4B Instruct с квантизацией весов W4A16: веса представлены в 4-битном формате, активации остаются в FP16. Поддерживаются входные изображения и текст; модель предназначена для визуальных вопросов и ответов, анализа документов и диалоговых инструкций.

Квантизация выполнена методом RTN для линейных слоёв; lm_head и аудиослои исключены. По README, для инференса требуется около 10 ГБ видеопамяти, рекомендуется 16–24 ГБ. Заявлены улучшения на отдельных бенчмарках после калибровки на TextVQA, DocVQA и UltraChat, однако эти результаты относятся к тестам автора и не гарантируют аналогичного качества на других данных.

Модель распространяется по лицензии Apache-2.0. Среди известных ограничений — небольшое снижение точности на задачах анализа документов относительно базовой модели; аудиослои сохранены в исходной точности и не квантизированы.

Сценарии применения

  • ответы на вопросы о содержимом изображений
  • чтение текста на фотографиях и скриншотах
  • извлечение сведений из изображений документов
  • диалоговое выполнение текстовых инструкций

Ограничения

Квантизация может немного снизить точность анализа документов по сравнению с базовой моделью. Аудиослои не квантизированы и остаются в исходной точности.

Для каких профессий подходит13

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

gemma4-e4b-w4a16-it-v2

W4A16 weight-only quantized version of google/gemma-4-E4B-it, produced by Team Horizon using llm-compressor.

Weights are quantized to 4-bit integers; activations remain in FP16. The model retains full multimodal (vision + text) capability.


Key takeaways:

  • +5.1% mean recovery over the FP16 base — the quantized model outperforms the original on these benchmarks.
  • Image understanding improved from 0.68 → 0.78 (+14.7%), suggesting the calibration mix (TextVQA + DocVQA + UltraChat) benefited visual reasoning.
  • ~18% energy reduction vs the base model at a fraction of the memory footprint.
  • Document analysis score is within 3.5% of the base model.

Calibration Dataset

Quantization used 512 mixed-modal calibration samples:

DatasetSamplesPurpose
lmms-lab/textvqa256Scene-text visual QA
lmms-lab/DocVQA128Document visual QA
HuggingFaceH4/ultrachat_200k128General instruction following

Usage

vLLM (recommended)

pip install vllm
from vllm import LLM, SamplingParams
from PIL import Image

llm = LLM(
    model="amir22010/gemma4-e4b-w4a16-it-v2",
    dtype="half",
    max_model_len=8192,
    gpu_memory_utilization=0.90,
    trust_remote_code=True,
)

image = Image.open("your_image.jpg")

sampling_params = SamplingParams(temperature=0.7, max_tokens=512)

outputs = llm.generate(
    {
        "prompt": "<|image|>\nDescribe this image in detail.",
        "multi_modal_data": {"image": image},
    },
    sampling_params,
)

print(outputs[0].outputs[0].text)

vLLM OpenAI-compatible server

vllm serve amir22010/gemma4-e4b-w4a16-it-v2 \
  --dtype half \
  --max-model-len 8192 \
  --gpu-memory-utilization 0.90 \
  --trust-remote-code

Then query via the OpenAI client:

from openai import OpenAI
import base64

client = OpenAI(base_url="http://localhost:8000/v1", api_key="token")

with open("your_image.jpg", "rb") as f:
    image_b64 = base64.b64encode(f.read()).decode()

response = client.chat.completions.create(
    model="amir22010/gemma4-e4b-w4a16-it-v2",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{image_b64}"}},
                {"type": "text", "text": "What does this image show?"},
            ],
        }
    ],
    max_tokens=512,
)

print(response.choices[0].message.content)

Transformers

from transformers import AutoProcessor, AutoModelForCausalLM
from PIL import Image
import torch

model_id = "amir22010/gemma4-e4b-w4a16-it-v2"

processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.float16,
    device_map="auto",
    trust_remote_code=True,
)

image = Image.open("your_image.jpg")
prompt = "<|image|>\nDescribe this image."

inputs = processor(images=image, text=prompt, return_tensors="pt").to(model.device)

with torch.no_grad():
    output = model.generate(**inputs, max_new_tokens=512)

print(processor.decode(output[0], skip_special_tokens=True))

Quantization Details

PropertyValue
MethodW4A16 (weight-only, RTN)
TargetsAll Linear layers
Excludedlm_head, .*audio.*
Toolllm-compressor QuantizationModifier
Calibration samples512
Max sequence length2048
Base model dtypeauto (bfloat16)

Hardware Requirements

ConfigurationVRAM
Minimum (inference only)~10 GB
Recommended16–24 GB
Multi-GPUtensor_parallel_size: 1 (single GPU sufficient)

Limitations

  • Quantization introduces minor accuracy degradation on document analysis tasks (~3.5% vs base).
  • Energy consumption, while improved vs base, remains higher than heavily-compressed Round 1 competitors. Further PTQ or sparsity methods could close this gap.
  • Audio modality layers are excluded from quantization and remain in base precision.

Citation

If you use this model, please cite the original Gemma 4 work:

@misc{gemma4_2025,
  title  = {Gemma 4: Open Models Based on Gemini Research and Technology},
  author = {Google DeepMind},
  year   = {2025},
  url    = {https://ai.google.dev/gemma}
}

License

This model is derived from google/gemma-4-E4B-it and is subject to the Gemma Terms of Use.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
4ad760d

0 моделей