/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
gemma-4-12B-it
Библиотека
safetensors
Опубликована
3 сен 2026

gemma4-12b-heretic-ltx-2.5-comfy-nvfp4

Мультимодальная модель

Квантизованный текстовый энкодер Gemma 4 12B для подключения в ComfyUI к конвейеру LTX-2.5.

0скачиваний за 30 дней5лайковвеса обновлены3 сен 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 смешанная квантизация NVFP4/BF16 текстового энкодера Gemma 4 12B для конвейера LTX-2.5 в ComfyUI. Модель основана на дообученной версии Gemma 4 12B-it из ветки Heretic и предназначена для замены соответствующего энкодера в рабочих процессах генерации видео LTX-2.5. По README, в ней 48 декодерных слоёв; основные линейные веса хранятся в NVFP4 с блочным масштабированием, а эмбеддинги, нормализации и мультимодальные компоненты — в BF16. Файл занимает около 9,87 ГБ вместо 24,46 ГБ у исходной BF16-версии.

Модель принимает текст и выдаёт текстовые представления для последующей обработки конвейером LTX-2.5; README также описывает сохранённые аудио- и визуальные компоненты, но позиционирует репозиторий именно как текстовый энкодер. Для максимального ускорения NVFP4-умножений требуется GPU Blackwell и PyTorch cu130; на более старых GPU веса автоматически деквантуются без заявленного ускорения. Квантизация выполнена прямым округлением без переобучения, поэтому возможны типичные для низкой точности изменения качества. Указана лицензия Apache-2.0. Модель происходит из Heretic-линии с намеренно сниженным уровнем отказов и может выдавать чувствительный или неограниченный контент.

Сценарии применения

  • подключение Gemma-текстового энкодера в рабочем процессе LTX-2.5
  • кодирование текстовых запросов для генерации видео в ComfyUI
  • уменьшение потребления памяти энкодером LTX-2.5
  • эксперименты с NVFP4-квантизацией мультимодальной модели

Ограничения

Полное ускорение NVFP4 требует GPU Blackwell с PyTorch cu130; на более старых GPU веса деквантуются без ускорения. Прямое округление при квантизации может влиять на качество, а намеренно сниженный уровень отказов повышает вероятность генерации чувствительного контента.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gemma4-12b-heretic-ltx-2.5-comfy-nvfp4

Comfy-native NVFP4 text encoder for the LTX-2.5 pipeline. Drop-in replacement for the Gemma 4 12B heretic text encoder in ComfyUI, quantized to FP4 with block-wise scaling.

This checkpoint is a mixed-precision NVFP4 quantization of DeepNeuralNerd/Gemma-4-12B-it-uncensored-heretic-DeepNeuralNerd-LTX_2.5_ComfyUI. It loads as a text encoder in ComfyUI (models/text_encoders/) and is designed as a drop-in replacement for the LTX-2.5 Gemma text encoder.

File

FileSizeFormat
gemma4-12b-heretic-ltx-2.5-comfy-nvfp4.safetensors9.87 GBMixed-precision NVFP4 + BF16

Source: 24.46 GB BF16 → 9.87 GB NVFP4 (~60% smaller).

What is quantized

The heavy Gemma decoder Linear weights are stored as Comfy-native NVFP4 (FP4 E2M1, block size 16). Everything else — embeddings, normalization layers, vision components, and LTX-specific projection layers — stays at BF16.

MatrixCountQuantized
self_attn.q_proj48NVFP4
self_attn.k_proj48NVFP4
self_attn.v_proj40NVFP4
self_attn.o_proj48NVFP4
mlp.gate_proj48NVFP4
mlp.up_proj48NVFP4
mlp.down_proj48NVFP4
Total NVFP4328

Kept at BF16: embed_tokens, all layernorms, layer_scalar, q_norm/k_norm, audio_projector, multi_modal_projector, text_embedding_projection, vision_model, embedded tokenizer + HF assets.

Per-layer NVFP4 tensor layout

Each quantized matrix is stored as four tensors (Comfy comfy_quant format):

TensorDtypePurpose
{layer}.weightuint8packed FP4 E2M1 qdata
{layer}.weight_scalefloat8_e4m3fnper-block (16) scale
{layer}.weight_scale_2float32per-tensor scale
{layer}.comfy_quantuint8 (JSON){"format": "nvfp4", "group_size": 16, "orig_dtype": "torch.bfloat16"}

Architecture notes

Gemma 4 12B has 48 decoder layers with eight global-attention layers: 5, 11, 17, 23, 29, 35, 41, 47.

Those global-attention layers reuse K as V and therefore contain no separate v_proj.weight — hence 40 quantized v_proj matrices instead of 48.

The checkpoint carries the LTX-2.5 remap applied by DeepNeuralNerd:

model.language_model.*                         -> model.*
model.vision_embedder.*                        -> vision_model.*
model.embed_vision.embedding_projection.weight -> multi_modal_projector.embedding_projection.weight
model.embed_audio.embedding_projection.weight  -> audio_projector.embedding_projection.weight

The source tokenizer.json is embedded as tokenizer_json.

ComfyUI usage

Place the file in ComfyUI/models/text_encoders/ and select it in your LTX-2.5 workflow's Gemma text encoder loader. No extra nodes required.

Hardware requirements

  • NVFP4 native matmul requires a Blackwell GPU (SM ≥ 10.0) with PyTorch cu130. On those GPUs you get the full FP4 speed benefit.
  • On older GPUs (Ampere/Ada), ComfyUI silently dequantizes the weights — the model still loads and produces identical output, but without the FP4 speed advantage.

Quantization method

  • Tool: convert-to-quant (ctq) v1.3.4
  • Format: Comfy-Org comfy-quants native NVFP4
  • Mode: --nvfp4 --comfy_quant --save-quant-metadata --low-memory --simple
  • --simple: fast direct rounding (no learned-rounding / SVD optimization pass)
  • --low-memory: streamed, one tensor at a time (~2 GB VRAM, ~8 GB RAM per chunk)

The 24.46 GB source cannot be held in RAM in one pass, so quantization ran as a split → quantize → merge pipeline: decoder layers split into 3 chunks, each quantized separately, then merged with the untouched BF16 base. See QUANTIZATION.md for the full writeup.

Reproducible command (per chunk)

ctq \
  -i decoder_chunk_N.safetensors \
  -o decoder_chunk_N_nvfp4.safetensors \
  --nvfp4 --comfy_quant --save-quant-metadata \
  --low-memory --simple \
  --exclude-layers "text_embedding_projection|tokenizer_json|hf_asset__|embed_tokens"

The model was not retrained or fine-tuned — only weight quantization was applied.

Provenance & safety

This model descends from the Heretic abliteration lineage (llmfan46/gemma-4-12B-it-uncensored-heretic), which removes internal refusal directions from the base google/gemma-4-12B-it.

[!IMPORTANT] This model intentionally has reduced refusal behavior and may generate sensitive or unrestricted content. Intended for research and learning purposes only. Users assume full responsibility for generated output.

License

Apache 2.0. See LICENSE.

Как запустить

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

GPU в ailist

Универсальный рантайм · safetensors

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Ревизия весов
6c6b69e

0 моделей