Она предназначена для сценариев image-text-to-text, в частности для генерации текстовых ответов по изображениям, например их описания. Модель рассчитана на использование с библиотекой MLX и инструментом mlx-vlm.

В названии указано, что модель относится к семейству Gemma 4, имеет размерный вариант E4B и представлена в 8-битном QAT-квантизованном формате, однако README не раскрывает точное число параметров, архитектуру, поддерживаемые языки и размер контекстного окна. Сильной стороной является возможность локальной мультимодальной генерации в экосистеме MLX; ограничения и условия лицензирования в предоставленных данных не указаны.