К содержимому
Компьютерное зрение

andreafanfani/gemma-4-12B-it-uncensored

uncensored-версия мультимодальной модели

2 мин чтенияобновлено

Эта модель представляет собой полностью раскодированную версию официальной мультимодальной LLM Google DeepMind — google/gemma-4-12B-it. С помощью метода ARA (Arbitrary-Rank Ablation) создатели убрали излишние ограничения и отказы на спорные или сложные запросы, сохранив при этом высокое качество оригинальной генерации. Модель работает с текстом, изображениями и аудио без отдельных громоздких энкодеров. Полезно разработчикам и исследователям, которым нужна гибкая нейросеть для локального запуска без цензуры.

Ключевые особенности

  • Снижение отказов: показатель отказов на стандартных тестах уменьшился с 99% до 10% по сравнению с базовой версией.
  • Мультимодальность: нативная поддержка анализа текстов, картинок и аудиозаписей напрямую в локальной среде.
  • Эффективная архитектура: encoder-free подход позволяет обрабатывать данные без промежуточных конвертаций, экономя VRAM.
  • Инструмент Heretic: модель собрана с использованием утилиты Heretic v2.1.0 для точной настройки поведения слоев.

Что можно сделать

  • Запуск локально: развернуть мощную модель на потребительской видеокарте с библиотекой transformers.
  • Анализ мультимедиа: обрабатывать и распознавать аудиофайлы и изображения в одном диалоговом окне.
  • Исследование поведения: тестировать генерацию ответов без жестких ограничений и встроенных фильтров безопасности.

Пример

from transformers import AutoProcessor, AutoModelForMultimodalLM

MODEL_ID = "andreafanfani/gemma-4-12B-it-uncensored"

# Load model
processor = AutoProcessor.from_pretrained(MODEL_ID)
model = AutoModelForMultimodalLM.from_pretrained(
    MODEL_ID,
    dtype="auto",
    device_map="auto"
)
Подробнее• Базовая модель: google/gemma-4-12B-it
• Параметры: 11.96B (12B)
• Метрики: Рефьюзалы (Refusals) снижены до 10/100 против 99/100 у оригинала; KL divergence составляет 0.1835
• Лицензия: Apache 2.0
Обсудить Telegram 0 15

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 22 GB · готовые файлы25 GB
  • FP8 / INT8рекомендуемвеса 11 GB13 GB
  • 4-bitвеса 6.3 GB7.4 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 5080 · BF16 — от RTX 5090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # andreafanfani/gemma-4-12B-it-uncensored
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download andreafanfani/gemma-4-12B-it-uncensored --local-dir ~/models/gemma-4-12B-it-uncensored
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к gemma-4-12B-it-uncensored
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

google/gemma-4-12B-it
  1. gemma-4-12Bоснова семьи
  2. gemma-4-12B-it
  3. gemma-4-12B-it-uncensored

Новые посты про версии gemma-4-12B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face

О модели

andreafanfani/gemma-4-12B-it-uncensored
Автор
andreafanfani
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

150

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

SMART VET

SMART VET
Языковые модели

bison-1

bison-1