/ Модель

Характеристики

Лицензия
Gemma
Базовая модель
gemma-4-26B-A4B-it
Библиотека
gguf
Опубликована
17 авг 2026

Gemma-4-26B-A4B-it-ROCmFP4-GGUF

Изображение и текст → текст13 профессий

Gemma-4-26B-A4B-it-ROCmFP4-GGUF — квантизированная GGUF-версия мультимодальной модели Google Gemma-4-26B-A4B-it, опубликованная пользователем kingjones777.

3 000скачиваний за 30 дней1лайквеса обновлены1 сен 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

Модель предназначена для генерации текста и работы с изображениями; заявлена поддержка vision, а также сценариев с speculative decoding и tool calling. Архитектура MoE содержит 26 млрд параметров всего, из которых около 4 млрд активируются для каждого токена.

Доступны варианты квантизации ROCmFP4 и ROCmFPX с разрядностью от 4 до 8 бит и размером примерно от 12,7 до 24,7 GiB. Для vision требуется отдельный проектор mmproj-BF16.gguf, а для speculative decoding — drafter mtp-gemma-4-26B-A4B-it-Q8_0.gguf. На AMD Strix Halo с Ryzen AI MAX+ 395, 128 ГБ unified memory и ROCm 7.2.4 заявлена скорость до 60,11 токена в секунду с MTP и до 58,33 токена в секунду без него.

Основные преимущества — сочетание текстовых и визуальных возможностей, MoE-эффективность, несколько вариантов точности и высокая производительность на совместимом AMD-оборудовании. Ограничение состоит в том, что модель требует сборку llama.cpp с поддержкой ROCmFPX и не загружается в стандартные llama.cpp, Ollama или LM Studio. MTP и vision нельзя использовать одновременно, а совместимость speculative decoding может зависеть от версии сборки и платформы. Лицензия указана как Gemma; поддерживаемые языки и максимальный контекст в README не обозначены.

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

Gemma-4-26B-A4B-it — ROCmFP4 / ROCmFPX GGUF

First ROCmFP4/ROCmFPX quantization of google/gemma-4-26B-A4B-it — the most-downloaded Gemma-4 model. MoE: 26B total, ~4B active per token. Four quants, built from the Hub BF16 GGUF (no re-conversion), each verified for text and vision on real hardware.

Built for AMD Strix Halo (gfx1151) — Ryzen AI MAX+ 395, 128 GB unified, ROCm 7.2.4 — with the ROCmFPX llama.cpp fork.

⚠️ Needs a ROCmFPX-capable llama.cpp build. These will not load in stock llama.cpp / Ollama / LM Studio — Q4_0_ROCMFP4_* and Q*_0_ROCMFPX* are not mainline tensor types.

Variants

fileftypesizeBPWtoken_embddecode + MTPdecode alone
gemma-4-26B-A4B-it-Q4_0_ROCMFP4_COHERENT.gguf10213.45 GiB4.57q6_K60.11 t/s54.39
gemma-4-26B-A4B-it-Q4_0_ROCMFP4_FAST_COHERENT.gguf10412.73 GiB4.33q6_K55.50 t/s58.33 t/s
gemma-4-26B-A4B-it-Q6_0_ROCMFPX_AGENT.gguf11421.81 GiB7.42q8_045.33 t/s43.39
gemma-4-26B-A4B-it-Q8_0_ROCMFPX.gguf11124.30 GiB8.27q8_046.50 t/s41.84
gemma-4-26B-A4B-it-Q8_0_ROCMFPX_AGENT.gguf11524.67 GiB8.39q8_047.58 t/s41.34

Also included: mtp-gemma-4-26B-A4B-it-Q8_0.gguf (drafter) and mmproj-BF16.gguf (vision projector) — both required to reproduce the numbers above.

Which to pick — and it depends on whether you can run the drafter:

your setuptakewhy
text + drafterQ4_0_ROCMFP4_COHERENT (102)60.11 t/s — fastest with MTP
vision, or no drafterQ4_0_ROCMFP4_FAST_COHERENT (104)58.33 t/s — 7.2% faster than 102 without MTP, and 6% smaller
want an 8-bitQ8_0_ROCMFPX_AGENT (115)faster than plain Q8 with the drafter (47.58 vs 46.50)

⭐ Two of these rankings reverse depending on speculation, so pick by your actual setup:

  • FAST (104) beats COHERENT (102) by 7.2% WITHOUT a drafter, and loses by 8.3% WITH one — even though FAST has higher draft acceptance (0.869 vs 0.824). The single-scale layout speeds up plain decode but is less suited to the batched verification pass.
  • AGENT (115) beats plain Q8 (111) WITH a drafter and loses WITHOUT it — the AGENT recipe holds attention-output tensors at higher precision to raise draft acceptance, which cannot help if you are not speculating.

⚠️ Because MTP and vision cannot be used together (see below), multimodal users are forced onto the no-drafter path — where FAST (58.33) lands within 3% of COHERENT-with-MTP (60.11). If you are doing image work, 104 is the one to take.

Measured — not estimated

Hardware: Ryzen AI MAX+ 395 (Strix Halo, gfx1151), 128 GB unified, ROCm 7.2.4. Decode = 300 tokens, code prompt, warm-up discarded, median of 3, spreads ≤1.015.

quantruns (with MTP)mediandraft_n / acceptedacceptancemean lencorrectness
10263.36 / 60.40 / 60.11 / 59.89 / 59.6060.11238 / 1730.8242.75391 · Tokyo · 366 ✅
104 FAST56.80 / 55.50 / 55.50 / 55.44 / 55.4555.50—0.869—391 ✅
11445.33 / 45.29 / 45.3445.33241 / 1780.7392.80✅
11146.96 / 46.50 / 46.4346.50222 / 1730.7792.77✅
11548.04 / 47.58 / 47.4347.58233 / 1770.7602.82✅

Correctness was re-checked under the shipping MTP config, not in a separate run. Speculative decoding is output-preserving — the target verifies every drafted token — and the answers are identical with and without it.

Without a drafter (the vision path)

quantrunsmedian
102 COHERENT54.44 / 54.39 / 54.2754.39
104 FAST_COHERENT58.56 / 58.33 / 58.1758.33

Spreads 1.003 / 1.007 — clean. This is the honest comparison for image work.

Vision: 4/4 on a 512² four-colour quadrant image (TL red · TR blue · BL yellow · BR green), run in a separate server with -fa off and no drafter (see the limitation below). A solid-colour square would pass trivially and proves nothing.

⚠️ If the MTP draft command crashes on your build

The separate-model draft-mtp path has known bugs in the legacy charlie12345/ROCmFPX line — reported on Windows 11 / gfx1151 / HIP SDK 7.2 (five stacked bugs, ending in an h-row width mismatch in the draft's embedding buffer).

Fix: build the official repo instead — no patches needed.

git clone https://github.com/ROCmFPX/ROCmFPX.git

The MTP path was reworked there (unified n_embd_out row widths, t_h_nextn reset in llm_graph_result::reset(), ctx_other wired centrally), which covers the whole chain. Reported and verified on that configuration: 24–31 tok/s, coherent output, tool calling working. Legacy-line patch: PR #109.

Linux builds on the legacy line are not known to be affected.

Speculative decoding (MTP)

llama-server -m gemma-4-26B-A4B-it-Q4_0_ROCMFP4_COHERENT.gguf \
  --spec-type draft-mtp --model-draft mtp-gemma-4-26B-A4B-it-Q8_0.gguf \
  --spec-draft-ngl 999 --spec-draft-n-max 3 \
  -ngl 999 -c 4096 -fa on -fit off -np 1

Measured sweep on the 4-bit — n-max 3 is best, and more depth is worse:

n-max2345
t/s53.8755.5553.2554.70
acceptance0.7920.7560.6930.676

⚠️ Expect a modest gain here (1.03–1.15×), not the ~3× quoted for dense Gemma-4 models. Speculation pays inversely to how fast the target already is: this MoE reads only ~4B active parameters per token, so it is already fast without a drafter and there is little stall to fill. Mean accepted length is 2.75–2.82 against a 4.0 ceiling — not saturated, which is why raising n-max past 3 does not help.

⛔ MTP and vision cannot be used together

Passing an image while the drafter is loaded aborts the server (missing MTP boundary → server-context.cpp fatal; upstream llama.cpp PR #20277). Image embeddings are injected outside the normal token path and the speculative batch loses its boundary. For vision: drop --spec-type and use -fa off.

Verification

  • Sizes vs --dry-run: constant ~15.09 MiB GGUF-header delta on all four (spread 6.5 KB) — not truncated
  • token_embd audited by exact tensor name; tie_word_embeddings: true, so no output.weight exists and --output-tensor-type is a silent no-op — --token-embedding-type is what protects the head
  • ⚠️ This MoE has no *_shexp tensors — its shared FFN is ffn_{down,gate,up}.weight; routed experts are ffn_down_exps / ffn_gate_up_exps
  • Bandwidth sanity for MoE must use active (~4B) weight, not file size: Q4 ≈ 130 GB/s, Q8 ≈ 173 GB/s
14439364064  gemma-4-26B-A4B-it-Q4_0_ROCMFP4_COHERENT.gguf
13674256864  gemma-4-26B-A4B-it-Q4_0_ROCMFP4_FAST_COHERENT.gguf
23417194464  gemma-4-26B-A4B-it-Q6_0_ROCMFPX_AGENT.gguf
26094754272  gemma-4-26B-A4B-it-Q8_0_ROCMFPX.gguf
26486003680  gemma-4-26B-A4B-it-Q8_0_ROCMFPX_AGENT.gguf
  461766816  mtp-gemma-4-26B-A4B-it-Q8_0.gguf
 1194828256  mmproj-BF16.gguf

Credits

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
48f2f3b

0 моделей