/ Модель

Характеристики

Лицензия
Gemma
Архитектура
gemma4_assistant · dense
Базовая модель
gemma-4-E4B-it-assistant
Библиотека
mlx
Опубликована
5 мая 2026

gemma-4-E4B-it-assistant-bf16

Генерация текстаТекст → текст3 профессии

Вспомогательная модель-драфтер Gemma 4 E4B ускоряет генерацию текста в MLX с помощью speculative decoding в паре с целевой моделью Gemma 4.

1 046скачиваний за 30 дней12лайковвеса 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 конвертированная в формат MLX вспомогательная модель-драфтер Gemma 4 E4B от Google, подготовленная сообществом mlx-community. Она предназначена для ускорения генерации текста методом speculative decoding: компактный четырёхслойный помощник предлагает несколько следующих токенов, а целевая модель Gemma 4 проверяет их за один проход. Модель используется в паре с целевой Gemma 4 через библиотеку MLX и поддерживает пакетную и одиночную генерацию.

При температуре 0 результат побайтно совпадает с генерацией без драфтера. Для одиночных запросов рекомендуется размер блока черновых токенов 6, для пакетной генерации — 3. Модель не предназначена для самостоятельной генерации без целевой модели; производительность зависит от совместимой целевой модели и настроек. Лицензия — Gemma.

Сценарии применения

  • ускорение генерации текста Gemma 4 в MLX
  • ускорение одиночных запросов speculative decoding
  • ускорение пакетной генерации текста
  • черновое предсказание токенов для проверки целевой моделью Gemma 4

Ограничения

Требует совместимой целевой модели Gemma 4 и предназначена для использования как вспомогательный драфтер. Скорость ускорения зависит от целевой модели и настроек генерации.

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-E4B-it-assistant-bf16

This model was converted to MLX format from google/gemma-4-E4B-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-E4B-it-bf16 \
    --draft-model mlx-community/gemma-4-E4B-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-E4B-it-bf16")
drafter = load_drafter("mlx-community/gemma-4-E4B-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
844e008

0 моделей