/ Модель

Характеристики

Лицензия
Gemma
Архитектура
gemma4_assistant · dense
Базовая модель
gemma-4-26B-A4B-it-assistant
Библиотека
mlx
Опубликована
5 мая 2026

gemma-4-26B-A4B-it-assistant-bf16

Генерация текстаТекст → текст3 профессии

MLX-порт MTP-drafter для спекулятивного декодирования, ускоряющий генерацию текста совместимой целевой моделью Gemma 4.

936скачиваний за 30 дней21лайквеса обновлены5 мая 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

Это порт в формате MLX модели Gemma 4 Multi-Token Prediction (MTP) drafter, подготовленный сообществом mlx-community на основе google/gemma-4-26B-A4B-it-assistant с помощью mlx-vlm 0.4.5. Модель предназначена для спекулятивного декодирования: четырёхслойный вспомогательный модуль предлагает несколько следующих токенов, а совместимая целевая модель Gemma 4 проверяет их за один прямой проход.

Порт используют вместе с полной целевой моделью Gemma 4 в поддерживаемом конвейере MLX, чтобы ускорить генерацию текста. В README рекомендован размер блока черновых токенов 6 для одиночных запросов и 3 для пакетной генерации; при температуре 0 результат побайтно совпадает с генерацией без drafter. Репозиторий содержит веса safetensors, лицензия — Gemma.

Это вспомогательная модель, а не самостоятельная модель для ответов: ей требуется совместимая целевая Gemma 4 и поддержка спекулятивного декодирования в используемом конвейере. README отсылает за совместимостью и ограничениями к документации drafter.

Сценарии применения

  • ускорение генерации текста с Gemma 4 в MLX
  • спекулятивное декодирование одиночных запросов
  • пакетная генерация текста с использованием MTP-drafter

Ограничения

Модель предназначена для работы в паре с совместимой целевой моделью Gemma 4 и конвейером MLX со спекулятивным декодированием, а не для автономной генерации. README отсылает к документации drafter за сведениями о совместимости и дополнительных ограничениях.

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

mlx-community/gemma-4-26B-A4B-it-assistant-bf16

This model was converted to MLX format from google/gemma-4-26B-A4B-it-assistant using mlx-vlm version 0.4.5. Refer to the original model card for more details on the model.

Use with mlx

pip install -U mlx-vlm

Single request — --draft-block-size 6:

python -m mlx_vlm generate \
    --model mlx-community/gemma-4-26B-A4B-it-bf16 \
    --draft-model mlx-community/gemma-4-26B-A4B-it-assistant-bf16 \
    --draft-kind mtp \
    --draft-block-size 6 \
    --prompt "Explain speculative decoding in 3 sentences." \
    --max-tokens 256 --temperature 0

Batched generation — --draft-block-size 3, use batch_generate:

from mlx_vlm.utils import load
from mlx_vlm.generate import batch_generate
from mlx_vlm.speculative.drafters import load_drafter

model, processor = load("mlx-community/gemma-4-26B-A4B-it-bf16")
drafter = load_drafter("mlx-community/gemma-4-26B-A4B-it-assistant-bf16", kind="mtp")

prompts = [
    "Explain speculative decoding in 3 sentences.",
    "What is MLX?",
    "Summarize attention in one paragraph.",
    "List three prime numbers.",
]

response = batch_generate(
    model,
    processor,
    prompts=prompts,
    max_tokens=256,
    temperature=0.0,
    draft_model=drafter,
    draft_kind="mtp",
    draft_block_size=3,
)
for text in response.texts:
    print(text)

About

MLX port of Google's Gemma 4 Multi-Token Prediction (MTP) drafter for speculative decoding. A small 4-layer assistant drafts several candidate tokens per round; the full Gemma 4 target verifies them in a single forward pass. Output is byte-identical to no-drafter at temperature=0.

Recommended --draft-block-size: 6 for single requests, 3 for batched generation.

See the drafter docs for architecture, supported pairings, performance numbers, and caveats.

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
Gemma4AssistantForCausalLM
Ревизия весов
cda7490

0 моделей