Характеристики

Контекст: 131 072 токена
Лицензия: Gemma
Архитектура: gemma4 · dense
Базовая модель: gemma-4-E4B-it
Библиотека: transformers
Опубликована: 11 июн 2026

Ссылки

gemma-4-E4B-20260610190427-v3

Изображение и текст → текст6 профессий

Дообученная на немецкоязычных данных мультимодальная Gemma 4 E4B Instruct для диалога и генерации текста на немецком языке.

12скачиваний за 30 дней0лайковвеса обновлены11 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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 мультимодальная Gemma 4 E4B Instruct, дообученная командой Peerbench на немецкоязычном корпусе для улучшения общих навыков общения и генерации текста на немецком языке. Модель основана на unsloth/gemma-4-E4B-it; применено SFT с LoRA, веса представлены в формате safetensors и обучались в bf16. Вариант v3 обучался одну эпоху на 25 756 примерах, при этом зрительная часть базовой модели оставалась замороженной.

Модель предназначена для немецкоязычного диалога и широких задач генерации текста; наследует от Gemma 4 возможность принимать изображения и отвечать на вопросы о них. Обучение проводилось с шаблоном чата Gemma 4 без режима reasoning. Репозиторий распространяется по лицензии Gemma. Карточка не приводит отдельной оценки качества, поэтому фактический выигрыш на конкретных задачах может зависеть от сценария.

Сценарии применения

немецкоязычный диалог с ассистентом
генерация и переформулирование текста на немецком
ответы на вопросы на немецком языке
анализ изображений с ответом на немецком
решение немецкоязычных заданий с выбором ответа

Ограничения

README не приводит результатов оценки качества на бенчмарках. Зрительная часть базовой модели не дообучалась, а reasoning-режим отключён.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gemma-4-E4B — German SFT — gemma4-de-v3 (20260610190427 UTC)

Fine-tuned unsloth/gemma-4-E4B-it on a curated, native-heavy German SFT corpus to improve general German skill (not a single benchmark). SFT · LoRA · bf16 · reasoning OFF.

Variant: v3

Compute

machine: 1x NVIDIA H100 80GB (a3-highgpu-1g, GCP us-central1-a)
training wall-time: 101.5 min (1.0 epoch(s))
final train_loss: 1.719

Training parameters

base: unsloth/gemma-4-E4B-it · quant bf16 (load_in_4bit=False, no QLoRA)
lora_r 128 · alpha 256 · dropout 0.0 · target language+attn+mlp (vision frozen)
lr 5e-05 · adamw_8bit · linear · warmup_steps 100
per_device_batch 16 · grad_accum 1 · eff_batch 16 · max_seq 2048 · seed 3407
chat_template gemma-4 (non-thinking) · train_on_responses_only

Data

corpus: peerbench/gemma4-german-sft-corpus (split gemma4-de-v3) — 25756 rows
native-heavy German + high-quality MT + balanced m_arc MCQ; per-source 20% cap; lang-ID + dedup; slimorca / ultra_chat excluded (noise / verbosity).

Logging

W&B gaa-mdk (entity forest-wb), run gemma-4-E4B-v3__sftmix-r128__20260610190427 · date_utc 20260610190427

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Gemma4ForConditionalGeneration
Ревизия весов: f3d5efd