/ Модель

Характеристики

Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E4B-it-OBLITERATED
Опубликована
21 апр 2026

gemma-4-E4B-it-OBLITERATED-mlx-8Bit

Генерация текстаТекст → текст6 профессий

Gemma-4-E4B-it-OBLITERATED-mlx-8Bit — языковая модель для генерации текста, разработанная сообществом mlx-community.

3 305скачиваний за 30 дней6лайковвеса обновлены19 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

Она конвертирована в формат MLX из OBLITERATUS/gemma-4-E4B-it-OBLITERATED версии 3 с использованием mlx-lm 0.31.2 и предназначена для запуска и инференса через библиотеку mlx-lm, в том числе с поддержкой диалогового шаблона.

Модель подходит для генерации текста и интерактивных сценариев на совместимом оборудовании Apple MLX. В названии и метаданных указано 8-битное представление, однако точные сведения об архитектуре, количестве параметров, контекстном окне, языках и поддерживаемых модальностях в README не приведены. Модель относится к вариантам Gemma 4 и описана как abliterated/uncensored с удалением отказов, поэтому её поведение и ограничения безопасности могут отличаться от исходной модели. Лицензия — Apache-2.0.

Для каких профессий подходит6

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-E4B-it-OBLITERATED-mlx-8Bit

The Model mlx-community/gemma-4-E4B-it-OBLITERATED-mlx-8Bit was converted to MLX format from OBLITERATUS/gemma-4-E4B-it-OBLITERATED (v3) using mlx-lm version 0.31.2.

Use with mlx

pip install mlx-lm
from mlx_lm import load, generate

model, tokenizer = load("mlx-community/gemma-4-E4B-it-OBLITERATED-mlx-8Bit")

prompt="hello"

if hasattr(tokenizer, "apply_chat_template") and tokenizer.chat_template is not None:
    messages = [{"role": "user", "content": prompt}]
    prompt = tokenizer.apply_chat_template(
        messages, tokenize=False, add_generation_prompt=True
    )

response = generate(model, tokenizer, prompt=prompt, verbose=True)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Класс архитектуры
Gemma4ForConditionalGeneration
Ревизия весов
db71b26

0 моделей