/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Опубликована
7 мая 2026

gemma-4-26B-A4B-heretic-AWQ

Генерация текстаТекст → текст5 профессий

Gemma-4 26B-A4B Heretic — AWQ — это квантизированная версия модели llmfan46/gemma-4-26B-A4B-it-ultra-uncensored-heretic, опубликованная под идентификатором louismuk/gemma-4-26B-A4B-heretic-AWQ.

2 580скачиваний за 30 дней2лайкавеса обновлены7 мая 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 «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 предназначена для генерации текста на английском языке, включая диалоги и ролевые сценарии. Она относится к семейству Gemma 4 и использует архитектуру MoE; исходное обозначение указывает на 26B общих параметров и 4B активных параметров. Также заявлена поддержка мультимодальных компонентов, включая vision tower, однако README не описывает их пользовательские возможности подробно.

Модель сжата методом AWQ в формат INT4 W4A16 с размером группы 32. Активации сохраняются в BF16, что должно обеспечивать несколько более высокое качество по сравнению с вариантом NVFP4 W4A4. Для запуска рекомендуется vLLM 0.20 и новее с ядром Marlin INT4; квантизация рассчитана на CUDA-видеокарты начиная с поколения Ampere. README указывает максимальную длину контекста 131072 токена и поддерживаемые возможности reasoning и tool calling через соответствующие парсеры vLLM.

Сильными сторонами являются более высокая производительность при низкой и средней конкуренции по сравнению с вариантом NVFP4, большая аппаратная совместимость и сохранение части слоёв в BF16, включая vision-компоненты и выходной слой. Ограничения включают зависимость от совместимого CUDA-оборудования и vLLM, а также отсутствие подробных данных о фактическом качестве, мультиязычности и результатах тестирования. Лицензия — Apache 2.0, унаследованная от базовой модели.

Для каких профессий подходит5

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 Heretic — AWQ INT4

INT4 (W4A16, group_size=32) quantization of llmfan46/gemma-4-26B-A4B-it-ultra-uncensored-heretic produced with llm-compressor AWQ activation-aware scaling.

Loads in vLLM 0.20+ via the Marlin INT4 kernel (see compressed_tensors_moe_wna16_marlin).

Why AWQ?

The NVFP4 sibling model uses Blackwell's FP4 tensor cores (fastest at very high concurrency). AWQ uses Marlin INT4 kernels and is:

  • Faster at low-to-mid concurrency on RTX PRO 6000 / H100 / A100 / A6000 (~+39% throughput at u=8 vs NVFP4)
  • More portable: runs on any CUDA card from Ampere onwards (NVFP4 is Blackwell-only)
  • Slightly higher quality (W4A16 keeps activations in BF16; NVFP4 is W4A4)

Recipe

  • Method: AWQ activation-aware scaling + W4A16_ASYM quantization (AWQModifier from llmcompressor main, custom Gemma-4 mappings)
  • Group size: 32 (matches expert dims 704/2112)
  • Calibration: 512 samples × 2048 max_seq from neuralmagic/calibration (LLM split)
  • Ignored layers (kept BF16): dense mlp.{gate,up,down}_proj per layer, all router.proj, vision_tower.*, embed_vision.*, lm_head. Same recipe shape as cyankiwi/gemma-4-26B-A4B-it-AWQ-4bit applied to the heretic source.
  • Hardware: 1× RTX PRO 6000 Blackwell, ~3 hr quant time

Serving

vllm serve louismuk/gemma-4-26B-A4B-heretic-AWQ \
  --max-model-len 131072 \
  --max-num-seqs 24 \
  --kv-cache-dtype fp8 \
  --enable-prefix-caching \
  --reasoning-parser gemma4 \
  --enable-auto-tool-choice --tool-call-parser gemma4 \
  --hf-overrides '{"architectures":["Gemma4ForCausalLM"]}'

License

Apache 2.0, matching the base model.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
a165fe4

0 моделей