/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
gemma4 · dense
Базовая модель
gemma-4-E2B-it-qat-q4_0-unquantized
Библиотека
transformers
Опубликована
7 июн 2026

gemma-4-E2B-it-qat-GGUF

Изображение и текст → текст15 профессий

gemma-4-E2B-it-qat-GGUF — мультимодальная instruction-tuned модель семейства Gemma 4, разработанная Google DeepMind и представленная в формате GGUF пользователем или организацией prithivMLmods.

1 223скачиваний за 30 дней1лайквеса обновлены7 июн 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 предназначена для локального запуска на ноутбуках и мобильных устройствах, а также для исследований и приложений на базе llama.cpp. Она поддерживает работу с текстом, изображениями и аудио, включая генерацию текста, распознавание речи, перевод речи, анализ изображений, OCR, анализ кадров видео и native function calling. Доступен настраиваемый режим рассуждений.

Модель имеет 2,3 млрд эффективных параметров и 5,1 млрд параметров вместе с embedding-слоями, использует Per-Layer Embeddings и Quantization-Aware Training (QAT). Архитектура включает 35 слоёв с чередованием локального sliding window attention на 512 токенов и глобального внимания, а также отдельные vision- и audio-энкодеры примерно на 150 млн и 300 млн параметров соответственно. Контекстное окно составляет 128K токенов, словарь — 262 тысячи токенов, заявлена поддержка более 140 языков; в README явно указан английский язык. Доступны варианты GGUF от Q2_K до Q8_0, а также BF16, F16 и F32, с размером основных файлов примерно от 2,98 до 18,5 ГБ.

К сильным сторонам относятся мультимодальность, большое контекстное окно, оптимизация QAT для снижения требований к памяти и локального инференса, а также широкий выбор уровней квантования. Ограничения — заметные требования к памяти для старших вариантов, а также отсутствие подробных данных о производительности на конкретном оборудовании и практических ограничениях мультимодальных возможностей. Лицензия — Apache-2.0.

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

gemma-4-E2B-it-qat-GGUF

gemma-4-E2B-it-qat-q4_0-unquantized is a compact, on-device-optimized instruction-tuned multimodal model from Google DeepMind, part of the Gemma 4 family, featuring 2.3 billion effective parameters (5.1B total including embeddings) optimized via Quantization-Aware Training (QAT) to maintain near-bfloat16 quality at significantly reduced memory footprint. Designed specifically for efficient local execution on laptops and mobile devices, it employs Per-Layer Embeddings (PLE) for maximum parameter efficiency and supports text, image, and audio modalities with a 128K token context window and a 262K vocabulary across 140+ languages. The model uses a hybrid attention mechanism interleaving local sliding window attention (512 tokens) with full global attention across 35 layers, alongside a ~150M parameter vision encoder and ~300M parameter audio encoder, enabling capabilities like ASR, speech translation, image understanding, OCR, video frame analysis, native function calling, and configurable thinking/reasoning mode. The Q4_0 unquantized variant provides half-precision weights extracted from the QAT pipeline, making it suited for custom downstream compilation and research, with benchmark scores of 60.0% on MMLU Pro, 43.4% on GPQA Diamond, 33.47 on CoVoST audio translation, and 19.1% on the 128K long-context MRCR v2 task.

[!note] Google DeepMind’s Gemma 4 Quantization-Aware Training (QAT) releases compress models by simulating lower precision during the training process itself. This drastically reduces VRAM requirements and accelerates local inference on consumer hardware and mobile devices while preserving the near-original quality of uncompressed baselines.

Model Files

File NameQuant TypeFile SizeFile Link
gemma-4-E2B-it-qat.BF16.ggufBF169.27 GBDownload
gemma-4-E2B-it-qat.F16.ggufF169.27 GBDownload
gemma-4-E2B-it-qat.F32.ggufF3218.5 GBDownload
gemma-4-E2B-it-qat.Q2_K.ggufQ2_K2.98 GBDownload
gemma-4-E2B-it-qat.Q3_K_L.ggufQ3_K_L3.27 GBDownload
gemma-4-E2B-it-qat.Q3_K_M.ggufQ3_K_M3.19 GBDownload
gemma-4-E2B-it-qat.Q3_K_S.ggufQ3_K_S3.1 GBDownload
gemma-4-E2B-it-qat.Q4_0.ggufQ4_03.35 GBDownload
gemma-4-E2B-it-qat.Q4_K_M.ggufQ4_K_M3.42 GBDownload
gemma-4-E2B-it-qat.Q4_K_S.ggufQ4_K_S3.35 GBDownload
gemma-4-E2B-it-qat.Q5_0.ggufQ5_03.58 GBDownload
gemma-4-E2B-it-qat.Q5_K_M.ggufQ5_K_M3.62 GBDownload
gemma-4-E2B-it-qat.Q5_K_S.ggufQ5_K_S3.58 GBDownload
gemma-4-E2B-it-qat.Q6_K.ggufQ6_K3.83 GBDownload
gemma-4-E2B-it-qat.Q8_0.ggufQ8_04.93 GBDownload
gemma-4-E2B-it-qat.mmproj-bf16.ggufmmproj-bf16987 MBDownload
gemma-4-E2B-it-qat.mmproj-f16.ggufmmproj-f16987 MBDownload
gemma-4-E2B-it-qat.mmproj-f32.ggufmmproj-f321.9 GBDownload
gemma-4-E2B-it-qat.mmproj-q8_0.ggufmmproj-q8_0557 MBDownload

llama.cpp

LLM inference in C/C++ — https://github.com/ggml-org/llama.cpp

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
71d37fb

0 моделей