Найдено: 57
браузерный файнтюн для DSL
Это файнтюн Gemma 4 E4B от soverius-ai, который генерирует A2UI Express DSL для демо CopilotKit Express. Модель подготовлена для запуска в браузере через ONNX q4f16 и WebGPU, база — unsloth/gemma-4-E4B-it. Есть companion E2B, обученный на большем multi-turn наборе и лучше протестированный.
сжатый MoE для кода на 6 ГБ VRAM
Это сжатый GGUF-контейнер Gemma 4 26B-A4B от AmSach, построенный методом MAPLE (Manifold-Activated Pruning of Latent Experts). Модель заточена под Python-программирование, синтез алгоритмов, структуры данных и формальные STEM-рассуждения; исходные 9.92 ГБ сжаты до 4.75 ГБ.
исламский ассистент офлайн
Небольшая текстовая модель на базе google/gemma-4-E2B-it-qat-q4_0-unquantized от автора abduhifz. Отвечает на вопросы об исламе по переданным отрывкам из Корана, хадисов и тафсира, цитируя источники номерами вроде [1] или [2]. Языки: английский, урду, Roman Urdu и арабский.
форматирование диктовки на устройстве
Llama Kanso Fude 1.0 — компактный on-device теггер от BuilderHelm для ZenVoice: он форматирует сырой вывод speech-to-text по словам, не добавляя новых слов. Построен на Gemma 3 270M (268M параметров), дообучен как двунаправленный энкодер с четырьмя головами классификации на каждое слово и…
ускорение без изменения текста
Это MTP-драфтер (multi-token prediction) для Scotoma-2 на базе Gemma 4 31B: дообучен с официального драфтера Google на выходах Scotoma-2. Архитектура, размер и файлы совпадают с драфтером Google, так что это drop-in замена; параметров около 0,47 млрд.
вероятность для каждого варианта
Это второй дообученный вариант Gemma 4 12B в исполнении commit: модель отвечает на типизированные вопросы о состоянии, выдавая вероятность для каждого варианта. В основе — google/gemma-4-12B-it (ревизия 707f0a3b) с LoRA-адаптером, влитым в веса; около 11.96B параметров. Обслуживается через decisio.
модель решений без генерации текста
Модель от MachinePulseAI для классификации и принятия решений: на вход подаются state (страница, документ, диалог — текст или JSON) и типизированные вопросы, а на выходе — вероятности по каждому варианту.
GGUF-квант на 12 ГиБ
Это GGUF-квант модели bottlecapai/ThinkingCap-gemma-4-26B-A4B-it от IsValorum в серии APEX. Архитектура gemma4, задача image-text-to-text; вариант MiniPlus занимает 12.03 GiB. Рядом выпущен NanoPlus на 9.92 GiB.
файнтюн для Three.js-сцен и low-poly ассетов
GEMMA-3D-CODER — экспериментальная open-weight языковая модель, дообученная под general-purpose coding и генерацию 3D-сцен и игровых ассетов на Three.js и веб-стандартах. По метаданным — 5,12 млрд параметров, база — google/gemma-4-E2B.
Gemma 4 31B без отказов
Это abliterated-версия google/gemma-4-31B-it на 31,27 млрд параметров. Авторы называют реализацию грубым proof-of-concept: отказы убираются через abliteration без TransformerLens. В этой модели полностью abliterated и thinking, и non-thinking режимы.
компактная мультимодальная модель для локального запуска
В репозитории usagi0130 доступна instruction-tuned мультимодальная Gemma 4 E4B-it от Google DeepMind: принимает текст, изображения и аудио, а выдаёт текст. E4B — 4,5 млрд эффективных параметров (8 млрд с эмбеддингами), контекст до 128K токенов.
presampling-fresh-r8-v1 — LoRA-адаптер для расширения промптов к изображениям
Экспериментальный адаптер от raspie для английского и корейского языков. Обучен на unmerged базе p-e-w/gemma-4-E2B-it-heretic-ara и расширяет общую сцену и нумерованные входы персонажей в английские теги или описания на естественном языке.
четыре маршрута и токен отказа
LoRA ранга 16 для google/gemma-3-4b-it от Aureal. Учит модель выбирать один из четырёх маршрутов в ролевой игре: отвечать в образе, отказывать внутри истории, выходить из роли при реальной опасности для пользователя или выдавать токен отказа при запросе реального вреда.
LoRA-адаптер для трёхклассового NLI
Это LoRA-адаптер от joestacey для three-way natural language inference на базе google/gemma-4-E4B-it. Обучен на 10 000 примерах; в FEVER evidence используется как premise, а claim — как hypothesis. Метки: entailment, neutral и contradiction.
unquantized-чекпоинт для локальных пайплайнов
QAT-чекпоинт Gemma 4 E4B IT в формате unquantized Q4_0, выложенный heromann. Это half-precision веса, извлечённые из QAT-пайплайна Google DeepMind; база — google/gemma-4-E4B-it. Подходит для кастомной downstream-компиляции и исследований.
Gemma-4-31B для решений по вариантам
LoRA-адаптер от 1000luca для google/gemma-4-31B-it под структурированные решения: есть состояние (документ, диалог, список устройств и т.п.) и один или несколько multiple-choice / yes-no вопросов о нём. Модель не генерирует ответ, а выдаёт вероятность каждого варианта из логитов меток на Answer: (.
файнтюн на 500 фиктивных профилях
Это полный файнтюн google/gemma-3-4b-it от Lordvarun23 на QA-парах всех 500 фиктивных профилей из MLLMU-Bench. Модель на 4.3 млрд параметров предназначена для image-text-to-text и служит стартовой точкой для unlearned-чекпоинтов. Обучение включало не только языковую часть, но и vision tower.
decensored-версия базовой Gemma 4
richardyoung выпустил decensored-вариант google/gemma-4-31B-it. Это мультимодальная instruct-модель Gemma 4 примерно на 31B параметров; изменения внесены через Heretic v2.0.0 и Arbitrary-Rank Ablation (ARA).
270M-модель для еды и напитков в тексте
FoodExtract-v1 — дообученная на Gemma 3 270M модель для извлечения информации о еде и напитках из сырого текста. Она определяет, относится ли текст к еде или напиткам, ставит теги по словарю и вытаскивает списки блюд и напитков.
кастомная VQ-упаковка MoE-модели
Релиз от Jlfn: текстовый вариант Gemma 4 26B A4B в трёх независимых GGUF-частях семейства VQ. Заявлен нативный контекст 262 144 токена, архитектура gemma4_vq версии 2, 30 слоёв и MoE на 128 экспертов с top-8. Общий размер — 10 686 852 608 байт (9.95 GiB).