/ Модель

Характеристики

Размер весов
20,7 ГБ
Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Базовая модель
gemma-4-26B-A4B-it-qat-q4_0-unquantized
Библиотека
mlx
Опубликована
16 июн 2026

gemma-4-26B-A4B-it-qat-OptiQ-4bit

Генерация текстаТекст → текст15 профессий

mlx-community/gemma-4-26B-A4B-it-qat-OptiQ-4bit — квантизированная MLX-версия модели Google Gemma 4, подготовленная сообществом mlx-community с помощью mlx-optiq.

18 278скачиваний за 30 дней4лайкавеса обновлены15 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 основана на Google Gemma 4 26B A4B instruction-tuned QAT и предназначена для локального запуска на устройствах Apple Silicon без PyTorch и облачной инфраструктуры.

Это разреженная MoE-модель с 26 млрд общих параметров, 128 маршрутизируемыми экспертами и примерно 4 млрд активных параметров на токен. Используется смешанная квантизация: преимущественно 4-битная, но чувствительные компоненты, включая часть экспертных тензоров, слои внимания и маршрутизатор, представлены в 8-битном формате. Достигнутая точность составляет 6,01 бит на вес, размер модели на диске — около 19 ГБ. Модель поддерживает генерацию текста, а также сценарии image-text-to-text через bf16 vision-модуль. Языки и размер контекстного окна в README не указаны.

Модель ориентирована на рассуждения, следование инструкциям, генерацию кода, работу с инструментами и агентские сценарии. По сравнению с равномерной 4-битной квантизацией той же QAT-базы она немного улучшает средний Capability Score и результаты MMLU, GSM8K и IFEval, однако уступает в BFCL и HumanEval, поэтому характеристики зависят от задачи. Для использования требуются mlx-optiq и версия mlx-lm из основной ветки; запуск рассчитан прежде всего на Apple Silicon и требует значительного объёма памяти. Лицензия указана как Apache 2.0; также применяются условия лицензии Gemma от Google.

Для каких профессий подходит15

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

mlx-community/gemma-4-26B-A4B-it-qat-OptiQ-4bit

Built with mlx-optiq, the MLX-native toolkit to quantize, fine-tune, and serve LLMs locally on Apple Silicon, no PyTorch and no cloud. Try the Lab · All OptiQ quants · Docs

A 4-bit mixed-precision MLX quant produced by mlx-optiq, built on Google's quantization-aware-trained (QAT) Gemma-4 base. This is the sparse-MoE member of the family: 26B total parameters with 128 routed experts (about 4B active per token). OptiQ's sensitivity-guided per-layer bit allocation is applied on top of weights already trained to survive low-bit quantization, and it still beats a uniform 4-bit quant of the same QAT base on the Capability Score.

This is a quant of google/gemma-4-26B-A4B-it-qat-q4_0-unquantized. Per-layer bit-widths come from a KL-divergence sensitivity pass on a six-domain calibration mix (prose, reasoning, code, agent, tool-call, constraint-bearing instructions). On this MoE the sensitivity pass identifies the routed experts as where precision matters most, so the allocation puts 8-bit on the experts that need it (42 of 90 expert tensors) plus the sensitive attention and router layers, and keeps the robust ones at 4-bit.

Quantization details

PropertyValue
Basegoogle/gemma-4-26B-A4B-it-qat-q4_0-unquantized (QAT, MoE)
Architecturegemma4 · 128 experts, ~4B active per token
Predominant precision4-bit
Components at 8-bit (sensitive)275
Components at 4-bit (robust)50
Total quantized components325
Expert tensors at 8-bit42 / 90
Achieved bits-per-weight6.01
Group size64
Reference for sensitivityuniform 4-bit (streamed)
Calibration mixsix-domain mix
Visionbf16 sidecar (optiq_vision.safetensors), image+text via optiq
Speculative draftergoogle/gemma-4-26B-A4B-it-qat-q4_0-unquantized-assistant via optiq serve --drafter

Capability Score

Six-metric mean (MMLU, GSM8K, IFEval, BFCL, HumanEval, HashHop), scored against a uniform 4-bit quant of the same QAT base. That comparison isolates what the mixed-precision allocation adds, holding the base fixed.

BenchmarkThis model (OptiQ, QAT base)Uniform-4 (QAT base)Delta
MMLU (5-shot, 1000)65.9%64.3%+1.6
GSM8K (1000)90.3%89.2%+1.1
IFEval (full, strict)74.1%73.6%+0.5
BFCL-V3 simple (200)92.0%93.0%-1.0
HumanEval (pass@1, 164)89.0%90.2%-1.2
HashHop (long-context)35.0%35.0%0.0
Capability Score (mean)74.4074.21+0.19

The gain concentrates in the reasoning-heavy benchmarks (MMLU +1.6, GSM8K +1.1, IFEval +0.5), which is where the routed experts carry the most signal. On this sparse-MoE base, where most of the parameters live in 128 experts, the precision has to reach the experts to move capability, and the per-layer allocation puts it there. The mixed quant is 6.01 bits-per-weight (about 19 GB on disk) versus 4.0 bits-per-weight (about 14.5 GB) for uniform 4-bit.

Usage

This is a Gemma-4 MoE (model_type: gemma4, gemma4_text experts), so it needs mlx-lm from main and import optiq (the MoE text tower is not in the 0.31.3 PyPI release; the main build also reports 0.31.3, so install from git, not a version pin):

pip install -U mlx-optiq "mlx-lm @ git+https://github.com/ml-explore/mlx-lm.git"
import optiq  # registers the OptiQ model paths
from mlx_lm import load, generate
model, tokenizer = load("mlx-community/gemma-4-26B-A4B-it-qat-OptiQ-4bit")
print(generate(model, tokenizer, "Explain mixed-precision quantization.", max_tokens=256))

Image+text input and the speculative drafter run through mlx-optiq:

pip install mlx-optiq
optiq serve --model mlx-community/gemma-4-26B-A4B-it-qat-OptiQ-4bit \
            --drafter google/gemma-4-26B-A4B-it-qat-q4_0-unquantized-assistant

The language and image+text paths both run through optiq. The bf16 vision tower rides in optiq_vision.safetensors, which mlx-lm ignores (it globs model*.safetensors), so both paths work from one artifact.

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, на GPU NVIDIA они не запускаются.

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
4ddfc5b

0 моделей