К содержимому
Другое

Erika Qwen3-4B Mobile GGUF

карманный ассистент без облака

2 мин чтенияобновлено

Erika — мобильная сборка ассистента на базе unsloth/Qwen3-4B-Instruct-2507, в которую авторы влили LoRA-адаптер (небольшую надстройку над базовой моделью). Модель раздаётся в GGUF-квантизациях от Q2_K до Q4_K_M, чтобы её можно было запускать офлайн на Android через Termux и llama.cpp, на iOS и на устройствах с малым объёмом RAM. Размеры файлов — примерно от 1,48 до 2,50 GB: Q3_K_M (~1,95 GB) рассчитан на телефоны с 4 GB RAM, а Q4_K_M — на ПК и смартфоны с 6 GB RAM и больше. Главная фишка — не новые бенчмарки, а готовые компактные кванты и инструкции для локального запуска; пригодится тем, кто хочет личного ассистента без постоянной отправки запросов в облако.

Ключевые особенности

  • GGUF-кванты Q2_K–Q4_K_M: от ~1,48 GB до ~2,50 GB под разное железо.
  • Запуск через llama.cpp/Termux, MLC LLM и Ollama; в карточке есть готовые команды и Modelfile.
  • Низкие требования: Q3_K_M (~1,95 GB) для 4 GB RAM, Q2_K (~1,48 GB) для старых телефонов с 3 GB RAM.
  • Персона Erika задана системным промптом: «суверенный, аналитичный и приветливый» ассистент.
  • Можно выбрать IQ3_XS (~1,72 GB) как компромисс между качеством и размером.

Что можно сделать

  • Поднять офлайн-ассистента в Termux на Android и общаться с ним через llama-cli.
  • Собрать локальный Modelfile для Ollama и запускать Erika на ноутбуке или ПК.
  • Проверить, как разные кванты ведут себя на старом телефоне: Q2_K для 3 GB RAM, Q3_K_M для 4 GB.
  • Держать под рукой локального ассистента для повседневных вопросов, когда нет интернета.

Пример

./llama-cli -m erika-qwen3-4b-mobile-IQ3_XS.gguf -p "Você é a Erika. Como você pode me ajudar hoje?" -n 512
ПодробнееБаза: unsloth/Qwen3-4B-Instruct-2507 + LoRA-адаптер fabricioslv/erika-qwen3-4b-mobile-adapter.
Кванты: Q4_K_M ~2,50 GB; Q3_K_M ~1,95 GB; Q3_K_S ~1,80 GB; IQ3_XS ~1,72 GB; IQ3_XXS ~1,58 GB; Q2_K ~1,48 GB.
Бенчмарков в карточке нет; язык карточки и системного промпта — португальский.
Для Q4_K_M советуют 6 GB RAM и больше, для Q3_K_M — 4 GB, для Q2_K — старые 3 GB.
Обсудить Telegram 0 338

Запустится ли?

Запустится в GGUF Q2_K

Влезает самая точная из готовых сжатых версий.

  • GGUF Q2_Kвеса 3.1 GB · готовые файлы3.9 GB
  • GGUF Q4_K_Mвеса 2.3 GB · готовые файлы3.1 GB
  • GGUF Q3_K_Mвеса 1.9 GB · готовые файлы2.5 GB
  • GGUF Q3_K_Sвеса 1.8 GB · готовые файлы2.4 GB
  • GGUF IQ3_XSвеса 1.7 GB · готовые файлы2.4 GB
  • GGUF IQ3_XXSвеса 1.6 GB · готовые файлы2.2 GB

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: GGUF Q2_K — от RTX 2060

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.

    # fabricioslv/erika-qwen3-4b-mobile-gguf
    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 fabricioslv/erika-qwen3-4b-mobile-gguf --local-dir ~/models/erika-qwen3-4b-mobile-gguf
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к erika-qwen3-4b-mobile-gguf
  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

Новые посты про версии erika-qwen3-4b-mobile-gguf — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

fabricioslv/erika-qwen3-4b-mobile-gguf
Автор
fabricioslv
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

3380

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Qwen3-VL-2B + WSP

Qwen3-VL-2B + WSP
Компьютерное зрение

Qwen3.8-27B Merge

Qwen3.8-27B Merge