К содержимому
Компьютерное зрение

Gemma-4-26B-A4B-agentic

файнтюн Gemma 4 без зацикливаний в долгих задачах

2 мин чтенияобновлено

Мультимодальная языковая модель на базе google/gemma-4-26B-A4B-it (25.81B параметров, MoE-архитектура), дообученная для стабильной работы в длинных агентских сценариях. Оригинальная Gemma 4 на затяжных задачах часто застревает в петле рассуждений или повторяет один и тот же вызов инструмента до исчерпания контекста. Автор ManniX-ITA провёл BF16 recovery SFT (дообучение в 16-битном формате без LoRA) на собственных очищенных ответах модели, сохранив исходную архитектуру, токенизатор и визуальный модуль без изменений. Пригодится разработчикам кодинг-агентов и автономных пайплайнов.

Ключевые особенности

  • В 6 раз реже попадает в петли рассуждений: медиана обрывов из-за повторов снизилась с 8.0 до 1.0 за прогон.
  • В тесте на починку сломанной HTML-игры за 30 минут справилась в 12 из 20 запусков (60%) против 3 из 20 (15%) у базовой модели.
  • Обучена методом on-policy: ответы для датасета генерировала сама Gemma-4-26B-A4B-it (плюс часть трасс от Gemma-4-31B-it), поэтому модель не теряет собственный стиль.
  • Доступны готовые квантованные версии в формате GGUF (F16, Q8_0, Q6_K, Q4_K_M с imatrix) в отдельном репозитории автора.

Что можно сделать

  • Подключить в кодинг-агенты вроде Cline или VS Code для автономного рефакторинга и отладки крупных файлов.
  • Развернуть локально через vLLM или llama.cpp как мультимодальный бэкенд с режимом рассуждений (enable_thinking) и вызовом инструментов.
  • Использовать открытый SFT-датасет и рецепты из репозитория автора для воспроизведения или дальнейшего тюнинга моделей семейства Gemma 4.

Пример

from transformers import AutoProcessor, AutoModelForMultimodalLM

model_id = "ManniX-ITA/gemma-4-26B-A4B-agentic"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForMultimodalLM.from_pretrained(
    model_id, dtype="bfloat16", device_map="auto"
)
ПодробнееРекомендуемый сэмплер: temperature 0.8, top_p 0.95, top_k 64, min_p 0, presence_penalty 0.025 (без repetition_penalty).
Обучение: 2 108 шагов (16 296 диалогов) на одной RTX PRO 6000 Blackwell 96 GB (пик 74 GiB, 25.5 ч); заморожены эмбеддинги, нормы и vision tower.
Ограничения: при отклонении правки редактором модель может спамить повторным вызовом инструмента (в 2 из 20 тестов до 310–320 раз за один ответ) — в агентском цикле стоит ставить лимит на число вызовов за ход.
Обсудить Telegram 0

Запустится ли?

Запустится в GGUF

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

  • BF16веса 48 GB · готовые файлы53 GB
  • GGUF IQ2_Rвеса 36 GB · готовые файлы40 GB
  • FP8 / INT8рекомендуемвеса 24 GB27 GB
  • GGUFвеса 19 GB · готовые файлы22 GB
  • 4-bitвеса 14 GB15 GB
  • GGUF IQ2_XXSвеса 9.4 GB · готовые файлы11 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.

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.

    # ManniX-ITA/gemma-4-26B-A4B-agentic
    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 ManniX-ITA/gemma-4-26B-A4B-agentic --local-dir ~/models/gemma-4-26B-A4B-agentic
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к gemma-4-26B-A4B-agentic
  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-4-26B-A4B-it
  1. gemma-4-26B-A4Bоснова семьи
  2. gemma-4-26B-A4B-it
  3. gemma-4-26B-A4B-agentic

Новые посты про версии gemma-4-26B-A4B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
Слияния 5Все на Hugging Face

О модели

ManniX-ITA/gemma-4-26B-A4B-agentic
Автор
ManniX-ITA
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии