/ Модель

Характеристики

Размер весов
7,4 ГБ
Лицензия
Apache 2.0
Архитектура
monarch_gemma4 · dense
Базовая модель
gemma-4-e2b-distilled
Библиотека
transformers
Опубликована
21 июл 2026

gemma-4-e2b-monarch-35mlp-lora-r8

Изображение и текст → текст

Экспериментальная мультимодальная Gemma 4 E2B Distilled с LoRA-адаптацией Monarch для диалогов по тексту и изображениям и проверки качества на бенчмарках.

11скачиваний за 30 дней0лайковвеса обновлены26 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

Экспериментальная производная Gemma 4 E2B Distilled от hexoy: модель с архитектурой Monarch и адаптацией LoRA ранга 8 для всех 105 проекций MLP. Содержит около 3,69 млрд параметров, из них около 9,4 млн — параметры LoRA; хранит веса в формате Safetensors и работает через Transformers. Предназначена для диалоговых сценариев с обработкой изображений и текста, а также для экспериментального восстановления качества на бенчмарках.

В сравнении с дистиллированной BF16-версией Gemma 4 размер весов немного увеличен; README сообщает об улучшении на 0,90 пункта GP-IRT на TinyHellaSwag, но результат не достиг прежнего порога выпуска, а тест на 100 примерах характеризуется как шумный. Для загрузки используется пользовательский код модели с `trust_remote_code=True`, поэтому его следует проверить. Лицензия — Apache-2.0; модель экспериментальная и не является официальным выпуском Google.

Сценарии применения

  • диалоговые ответы на вопросы по изображениям
  • экспериментальная оценка мультимодальной Gemma 4 на бенчмарках
  • сравнение LoRA-адаптации MLP с исходной дистиллированной моделью

Ограничения

Экспериментальная адаптация не достигла прежнего порога выпуска на TinyHellaSwag; оценка основана на 100 примерах и может быть шумной. Для загрузки требуется пользовательский код репозитория с `trust_remote_code=True`, который следует проверить.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Gemma 4 E2B Distilled + LoRA R8

Experimental benchmark-recovery model. It adds native rank-8, alpha-16 LoRA residuals to all 105 Monarch MLP projections and loads without PEFT. The model has 3,691,669,024 parameters, including 9,400,320 LoRA parameters.

1. Weight Storage

ModelStatusLoaded weightsSerialized weightsReduction vs dense BF16
Dense Gemma 4 BF16Reference9.507 GiB9.543 GiB-
Distilled Gemma 4 BF16Released6.859 GiB6.859 GiB27.86%
Distilled Gemma 4 + LoRA r8 BF16Experimental6.876 GiB6.877 GiB27.68%
Distilled Gemma 4 + INT8 linearsReleased6.135 GiB6.136 GiB35.48%

BF16 sizes use two bytes per parameter; serialized LoRA size was audited from the two safetensor shards. Values exclude activations and CUDA workspaces.

2. TinyHellaSwag

All rows used the same RTX PRO 6000, fixed batch size 32, seed 1234, 100 official examples, 10-shot prompts, and no chat template.

ModelStatusGP-IRT accuracyRaw accuracyRuntimePeak VRAM
Dense Gemma 4 BF16Reference39.23%29%28.50 s57.88 GiB
Distilled Gemma 4 BF16Released32.35%22%23.33 s55.23 GiB
Distilled Gemma 4 + LoRA r8 BF16Experimental33.25%23%24.93 s55.25 GiB
Distilled Gemma 4 + INT8 linearsReleased30.57%21%23.14 s54.51 GiB

Rank-8 LoRA improved the 35-layer source by 0.90 GP-IRT points and one correct item, but missed the former +1.0 point or +2 item release gate. The 100-example benchmark is noisy.

Usage

from transformers import AutoModelForImageTextToText, AutoProcessor

model_id = "hexoy/gemma-4-e2b-monarch-35mlp-lora-r8"
processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForImageTextToText.from_pretrained(
    model_id,
    trust_remote_code=True,
    dtype="auto",
    device_map="auto",
)

The standalone export passed exact LoRA state and BF16 logit round trips plus a clean-cache load. Corrected 64-token generation repeated phrases for text and produced malformed or inaccurate answers on all three image tests. Treat this as a benchmark result, not a general text or multimodal recovery release.

Reproducibility

Detailed training and release evidence is retained privately.

This repository contains custom modeling code. Review it before enabling trust_remote_code=True. This is an experimental derivative, not an official Google release.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MonarchGemma4ForConditionalGeneration
Ревизия весов
e19954c

0 моделей