К содержимому
Компьютерное зрение

Gemma 4 E4B

компактная мультимодальная модель от Google

2 мин чтенияобновлено

Gemma 4 E4B — открытая мультимодальная модель от Google DeepMind, которая понимает текст, изображения, видео и аудио, а на выходе генерирует текст. При общем объёме 8B параметров за счёт технологии PLE (Per-Layer Embeddings — отдельных таблиц эмбеддингов для каждого слоя) модель задействует всего 4.5B эффективных параметров, поэтому подходит для запуска на ноутбуках и мобильных устройствах. В отличие от старших версий линейки (26B и 31B), в E4B встроен полноценный аудиоэнкодер, а также добавлен нативный режим рассуждений (thinking) и поддержка системных промптов. Подойдёт разработчикам локальных ассистентов, агентов и приложений, где нужно обрабатывать сразу несколько типов данных без облачных API.

Ключевые особенности

  • Полная мультимодальность — работает с текстом, картинками с произвольным соотношением сторон, видео (последовательностями кадров) и аудио (распознавание и перевод речи).
  • Эффективная архитектура — 42 слоя с гибридным механизмом внимания (чередование локального окна в 512 токенов и глобального внимания) и 4.5B активных параметров при 8B общих.
  • Режим рассуждений и вызов функций — умеет думать пошагово перед ответом (enable_thinking=True), поддерживает роль system и нативный function calling для создания агентов.
  • Длинный контекст и языки — окно контекста до 128K токенов, предобучение на 140+ языках и работа из коробки с 35+ языками.
  • Открытая лицензия — распространяется под свободной лицензией Apache 2.0, доступна в базовой и инструктивной (-it) версиях.

Что можно сделать

  • Локальный голосовой помощник — использовать встроенный аудиоэнкодер для транскрибации речи (ASR) и перевода аудио в текст прямо на устройстве пользователя.
  • Парсинг документов и экранов — распознавать рукописный текст, графики, PDF-файлы и элементы пользовательского интерфейса (UI) в локальных скриптах автоматизации.
  • Автономный агент с инструментами — подключить модель через transformers с использованием нативного function calling и системных промптов для выполнения цепочек задач.

Пример

from transformers import AutoProcessor, AutoModelForMultimodalLM

MODEL_ID = "google/gemma-4-E4B-it"
processor = AutoProcessor.from_pretrained(MODEL_ID)
model = AutoModelForMultimodalLM.from_pretrained(MODEL_ID, dtype="auto", device_map="auto")

messages = [{"role": "user", "content": "Write a short joke about saving RAM."}]
inputs = processor.apply_chat_template(messages, tokenize=True, return_dict=True, return_tensors="pt", add_generation_prompt=True).to(model.device)
outputs = model.generate(**inputs, max_new_tokens=256)
ПодробнееБенчмарки (версия -it): MMLU Pro — 69.4%, MMMLU — 76.6%, LiveCodeBench v6 — 52.0%, MATH-Vision — 59.5%, FLEURS (аудио, ниже — лучше) — 0.08.
Архитектура: 8B параметров всего (4.5B эффективных), ~150M в вижн-энкодере и ~300M в аудиоэнкодере, словарь 262K токенов.
Оптимизирована для on-device запуска на ноутбуках и смартфонах, поддерживается в актуальной версии библиотеки transformers.
Обсудить Telegram 0 22

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 15 GB · готовые файлы17 GB
  • FP8 / INT8рекомендуемвеса 7.4 GB8.7 GB
  • 4-bitвеса 4.2 GB5.1 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 3080 · BF16 — от RTX 4090

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.

    # mdcreativeagent/gemma-4-E4B
    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 mdcreativeagent/gemma-4-E4B --local-dir ~/models/gemma-4-E4B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к gemma-4-E4B
  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 gemma-4-E4B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

mdcreativeagent/gemma-4-E4B
Автор
mdcreativeagent
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Vaani-3 ASR

Vaani-3 ASR