/ Модель

Характеристики

Контекст
262 144 токена
Параметры
11,6 млрд
Размер весов
23,8 ГБ
Лицензия
Apache 2.0
Архитектура
gemma4_text · dense
Базовая модель
gemma-4-12B-it-8bit
Библиотека
mlx
Опубликована
14 июн 2026

gemma4-vedic-opus-finetuned-v2

Генерация текстаТекст → текст3 профессии

Дообученная Gemma 4 12B для филологического анализа ведийских текстов, терминов и философских школ.

16скачиваний за 30 дней0лайковвеса обновлены14 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

Gemma 4 12B Vedic Opus Finetuned v2 — текстовая дообученная модель на базе Gemma 4 12B, подготовленная автором cyborgxx101 для филологического изучения ведийских текстов. Она предназначена для ответов на вопросы о Ригведе, брахманах, упанишадах, ведангах, Пурва-мимансе и Веданте; README описывает настройку LoRA и обучение на 2 484 примерах. Модель ориентирована на хронологически точное объяснение терминов, сравнение понятий разных эпох, разбор мимансистской герменевтики и выявление анахронизмов с опорой на конкретные тексты и техническую терминологию.

Это плотная языковая архитектура Gemma4ForCausalLM с 11,6 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Заявленный родной контекст — 262 144 токена; карточка указывает английский язык, а README описывает работу с санскритскими терминами и текстами. Модель распространяется по лицензии Apache-2.0. Результаты HumanEval приведены автором README, но не подтверждают качество ответов по ведийской тематике; возможны ошибки и неточности в интерпретации источников.

Сценарии применения

  • ответы на вопросы о Ригведе, брахманах и упанишадах
  • объяснение терминов санскритской и ведийской традиции с учётом эпохи
  • сравнение понятий ведийских текстов и Веданты
  • разбор герменевтики Пурва-мимансы
  • выявление анахронизмов при интерпретации ранних текстов
  • объяснение семантической эволюции санскритских понятий

Ограничения

README не приводит отдельной оценки точности по ведийской тематике; приведённый результат HumanEval относится к программированию и сам по себе не подтверждает качество филологических ответов. Следует проверять цитаты и интерпретации по первоисточникам.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Gemma 4 12B — Vedic Opus Finetuned v2

A scholarly-grade fine-tune of Gemma 4 12B (text-only) for rigorous Vedic studies. Built to answer questions about the Ṛgveda, Brāhmaṇas, Upaniṣads, Vedāṅgas, Pūrva Mīmāṃsā, and Vedānta with philological precision.

Key Features

  • Chronological awareness — training examples tagged with [Epoch: Saṃhitā], [Epoch: Upaniṣad], etc. so the model distinguishes Vedic layers
  • Contrastive pairs — explicit cross-epoch comparisons (e.g., Ṛta ≠ Ātman, Svarga ≠ Mokṣa)
  • Anachronism detection — trained to say "this concept does not appear in that text" when appropriate
  • Mīmāṃsā hermeneutics — proper handling of śāstra-vihita-hiṃsā, apūrva, vidhi/niṣedha
  • Scholarly system prompt — mandates citation of specific texts, epochs, and technical terms
  • Zero New Age content — purely philological, no devotional filler

Training

PropertyValue
Base modelmlx-community/gemma-4-12B-it-8bit (text decoder extracted)
MethodLoRA (rank 16, α 32, scale 2.0, dropout 0.1)
Dataset2,484 examples, 7 epochs, scholarly-only
Iters300
Final val loss1.392
Hyperparamslr 5e-5, batch 1, grad accum 8, adamw (β 0.9/0.95, ε 1e-8, wd 0.01)

Dataset Composition

Epoch% of data
Saṃhitā25.6%
Upaniṣad15.9%
Mīmāṃsā14.0%
Cross-Epoch (contrastive)13.3%
Brāhmaṇa10.6%
Vedāṅga7.7%
Āraṇyaka6.5%
Vedānta5.1%
Smṛti1.2%

What the Model Can Do

  • Define technical terms with chronological precision (e.g., when ātman means "breath" vs "ultimate self")
  • Distinguish Ṛta (cosmic order in the Saṃhitā) from Brahman (Vedāntic absolute)
  • Explain Mīmāṃsā hermeneutics (vidhi, apūrva, arthāpatti, śāstra-vihita-hiṃsā)
  • Trace semantic evolution (e.g., brahman from "sacred utterance" to "ultimate reality")
  • Answer sensitive topics (animal sacrifice, varṇa hierarchy) dispassionately using traditional frameworks
  • Detect anachronistic projections of later concepts onto earlier texts

Example

User: What does the Rig Veda say about reincarnation?
Assistant: The Rig Veda Saṃhitā does NOT contain the concept of
reincarnation (saṃsāra) as a cycle of rebirth. The dead go to
the world of the fathers (pitṛ-loka) to dwell with Yama — they
do not return. The earliest clear formulation of saṃsāra occurs
in the Bṛhadāraṇyaka Upaniṣad (BU 4.4.5-6). What the Rig Veda
does describe is punar-janman in the sense of new progeny — a
man is 'born again' through his son. This is genealogical, not
soteriological.

Recommended Inference Settings

temperature: 0.2
top_p: 0.95
repetition_penalty: 1.15  # use in llama.cpp / HF generate

HumanEval Benchmark

MetricResult
Accuracy91.5% (150/164)
Wrong14 / 164

The model was evaluated on the HumanEval benchmark in the MLX environment (Q4_K_M quantization, temperature 0.2, top_p 0.95). This is competitive with SOTA 12B models and confirms that Vedic fine-tuning did not degrade general coding/reasoning capability.

Error analysis: 14 wrong cases span string manipulation (make_palindrome, decode_shift, decode_cyclic, fix_spaces, words_string), numerics (find_zero, count_nums, closest_integer, max_fill, order_by_points, solve, tri), and nested structure reasoning (is_nested, minPath).

Quantizations

FormatSizeLink
Q4_K_M~7 GB:latest on Ollama
Q8_0~12 GB:q8_0 on Ollama
F16~23 GBGGUF repo

Ollama

ollama run cyborgxx101/gemma4-vedic-opus-finetuned-v2
ollama run cyborgxx101/gemma4-vedic-opus-finetuned-v2:q8_0

License

Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Gemma4ForCausalLM
Ревизия весов
72a55e5

0 моделей