/ Модель

Характеристики

Размер весов
22,8 ГБ
Архитектура
gemma4 · dense
Базовая модель
Orion-26B-A4B-v1
Библиотека
mlx
Опубликована
4 сен 2026

Orion-26B-A4B-v1-6bit-XL-mlx

Изображение и текст → текст3 профессии

Квантованная мультимодальная модель Gemma 4 для диалогов, анализа изображений и творческого письма на устройствах Apple Silicon.

61скачиваний за 30 дней0лайковвеса обновлены4 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

Orion-26B-A4B-v1-6bit-XL-mlx — мультимодальная модель leonsarmiento для диалогов, работы с изображениями и творческого письма. Это конверсия в формат MLX для Apple Silicon с BaseQuant_XL-смешанным квантованием: веса в основном представлены в 6 и 8 битах, а критические для маршрутизации слои, общий эксперт и визуальный энкодер сохранены в BF16. Размер исходной модели — 25,2 млрд параметров; архитектура Gemma 4 использует MoE с 128 экспертами на слой и в среднем 3,8 млрд активных параметров на токен.

Модель унаследовала настройку TheDrummer/Orion-26B-A4B-v1 для ролевых сценариев и творческого письма. Она принимает текст и изображения, выдаёт текст; в метаданных также заявлен интерфейс вызова инструментов. README рекомендует запуск через mlx-vlm на Apple Silicon. Длина контекста и поддерживаемые естественные языки в предоставленных данных не указаны. Квантование сокращает размер до 22,8 ГБ, но может влиять на точность относительно исходных весов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ролевые диалоги с моделью
  • создание художественных текстов
  • ответы на вопросы по изображению
  • описание изображений в диалоге
  • диалоговое использование инструментов

Ограничения

Квантование может снижать точность по сравнению с исходной моделью. В предоставленных данных нет сведений о лицензии, длине контекста и поддерживаемых языках.

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

leonsarmiento/Orion-26B-A4B-v1-6bit-XL-mlx

This model was converted to MLX format from TheDrummer/Orion-26B-A4B-v1 using BaseQuant_XL 6/8-bit mixed quantization optimized for Apple Silicon. The vision encoder is preserved (full multimodal).

Orion is TheDrummer's finetune of google/gemma-4-26B-A4B-it — a 25.2B-parameter MoE (Mixture of Experts) model with 128 experts per layer (avg. 3.8B active parameters per token), tuned in his roleplay/creative-writing lineage. The unquantized BF16 source was used for maximum fidelity.

BaseQuant_XL keeps the most routing-critical layers in full bf16 precision — the MoE router.proj (gate) and the mlp (shared/dense expert that processes all tokens) — while applying aggressive quantization to the bulk parameters. tie_word_embeddings=True means there is no separate lm_head (tied to embed_tokens).

About XL Quantization

BaseQuant_XL is a fully data-agnostic, static quantization. No calibration dataset, no sensitivity analysis, no importance matrix. Precision is allocated purely by architectural role — routing-critical layers get higher precision, bulk expert parameters get lower precision. The result is a transparent, faithful capture of the source model.

Data-dependent calibration quantizations (iMatrix, AWQ, GPTQ, oQ, oQ4e, etc.) use a calibration set to guide bit allocation. This can produce a skewed representation of the model: domains well-represented in the calibration data (English, popular topics, public or leaked benchmarks) are preserved better, while underrepresented domains (non-English languages, niche use cases, your own data) are preserved worse. XL avoids this trade-off entirely — it generalizes honestly because it is never fit to any particular data distribution.

Use with mlx

pip install -U mlx-vlm
python -m mlx_vlm.generate --model leonsarmiento/Orion-26B-A4B-v1-6bit-XL-mlx --max-tokens 256 --temperature 1.0 --top-p 1.0 --prompt "Hello"

BaseQuant_XL Quantization Strategy

Bit DepthLayersRationale
bf16 (unquantized)router.proj (gate), mlp (shared/dense expert), vision towerRouting decisions and the dense expert that processes every token — errors here cascade through all tokens
8-bitembed_tokens, self_attnEvery-token layers with moderate sensitivity — 8-bit is near-lossless
6-bitexperts.switch_glu (routed experts)Bulk of parameters — only a subset of experts active per token

Quantization Details

LayerBitsGroup Size
router.proj (gate)bf16—
mlp (shared/dense expert)bf16—
Vision tower (full)bf16—
embed_tokens864
self_attn864
experts.switch_glu (routed experts)664
Default fallback864
  • Quantization type: BaseQuant_XL mixed (multimodal, vision preserved)
  • Bits per weight: ~7.1
  • Total size: 22.8 GB (5 shards)
  • Group size: 64
  • Method: Custom quant_predicate via mlx_vlm
  • Note: tie_word_embeddings=True — no separate lm_head

Recommended Inference Parameters

ParameterValue
temperature1.0
top_p1.0
top_k64
min_p0.01
repeat_penalty1.1

Reasoning Parsing in LM Studio and Others

  • Start string: <|channel|>thought
  • End string: <|channel|>

Chat Template

The chat template is synced to the canonical Google upstream version from google/gemma-4-26B-A4B-it/chat_template.jinja, replacing the template shipped with the source finetune. Do not rely on the HF cache copy — it may be stale.

Key markers in the latest template: preserve_thinking, continues_into_next, prev_non_tool_role, null handling in format_argument.

The template is injected into both chat_template.jinja (standalone file) and tokenizer_config.json (chat_template JSON field).

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
Gemma4ForConditionalGeneration
Ревизия весов
1633364

0 моделей