/ Модель

Характеристики

Лицензия
Gemma
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E4B-it
Библиотека
transformers
Опубликована
25 июн 2026

gemma-4-E4B-it-merged

Изображение и текст → текст7 профессий

Дообученная Gemma 4 E4B Instruct с объединённым LoRA-адаптером для диалога и ответов по изображениям.

13скачиваний за 30 дней0лайковвеса обновлены25 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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 dxv2k/gemma-4-E4B-it-merged — версия Google Gemma 4 E4B Instruct с объединёнными с базовыми весами параметрами LoRA-адаптера. Адаптер обучен для слоёв q/k/v/o/gate/up/down языковой модели с рангом 16 и alpha 32; веса сохранены в формате bf16. По метаданным, модель поддерживает диалог и анализ изображений и предназначена для задач image-text-to-text.

Модель принимает текст и изображения и генерирует текстовые ответы. Для развёртывания README предлагает Inference Endpoints с пользовательским обработчиком и Transformers версии не ниже 5.12.1; для запуска на GPU требуется не менее 24 ГБ видеопамяти. Используется лицензия Gemma.

Сценарии применения

  • ответы на вопросы по изображениям
  • описание содержимого изображений
  • диалог с текстовыми запросами
  • развёртывание мультимодального чат-бота через Inference Endpoints

Ограничения

Для развёртывания требуется GPU с объёмом видеопамяти не менее 24 ГБ и пользовательский обработчик; README указывает на необходимость Transformers версии не ниже 5.12.1.

Для каких профессий подходит7

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-E4B-it-merged

google/gemma-4-E4B-it with a LoRA adapter (q/k/v/o/gate/up/down on the language model, r=16, alpha=32) merged into the base weights. bf16.

Inference Endpoints

Ships a custom handler.py (Inference Toolkit) because the Gemma 4 arch is too new for the default container. requirements.txt pins transformers>=5.12.1. Deploy on a GPU instance with >=24 GB VRAM (model is ~16 GB bf16).

Request body:

{"inputs": "What is a LoRA adapter?", "parameters": {"max_new_tokens": 256}}

Local use

import torch
from transformers import AutoModelForImageTextToText, AutoProcessor

m = AutoModelForImageTextToText.from_pretrained(
    "dxv2k/gemma-4-E4B-it-merged", dtype=torch.bfloat16, device_map="auto")
p = AutoProcessor.from_pretrained("dxv2k/gemma-4-E4B-it-merged")
msgs = [{"role": "user", "content": [{"type": "text", "text": "Hello"}]}]
enc = p.apply_chat_template(msgs, add_generation_prompt=True, tokenize=True,
                            return_dict=True, return_tensors="pt").to(m.device)
out = m.generate(**enc, max_new_tokens=128)
print(p.decode(out[0][enc["input_ids"].shape[1]:], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
a18eadc

0 моделей