模型

gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-GGUF

yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-GGUF

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:apache-2.0 上游版本:190a31365a6b

中文简介

yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-GGUF 是 yuxinlu1 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 190a31365a6b,同步到 9 个文件,文件元数据合计 39.99 GB;访问状态为“公开”,许可证字段为“apache-2.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-GGUF 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-GGUF 是 yuxinlu1 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 190a31365a6b,同步到 9 个文件,文件元数据合计 39.99 GB;访问状态为“公开”,许可证字段为“apache-2.0”。

【适用方向】
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本:190a31365a6b。 任务标签:文本生成与推理。 库标记:gguf。 上游标注的基础模型:google/gemma-4-12B-it。 上游页面记录的最近更新时间:2026-06-19。

【文件信息】
上游 API 返回 9 个文件,文件元数据合计 39.99 GB。 已保存文件清单中的主要扩展名:.gguf 7 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:gemma4-v2-Q8_0.gguf(11.80 GB);gemma4-v2-Q6_K.gguf(9.11 GB);gemma4-v2-Q4_K_M.gguf(6.87 GB)。

【运行或处理环境】
仓库文件元数据合计 39.99 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

💻🤖 Gemma4-12B **v2** — Coding + Agentic Edition ✨ 🐣 Tiny footprint, big brain — a local **coding & tool-using agent** for *everyone* **No matter your GPU. No matter your RAM.** With **~4.5 GB** of VRAM *or* unified memory free, you can run your own private, offline coding **agent** right now. 🚀 v2 is the big **agentic** upgrade — it reads, reasons, *uses tools*, and works through multi-step technical tasks before it acts. 🧠🛠️ All local, all yours, no API, no cloud. 📊 The headline — it works as an agent (tau2-bench) v2 is built for **coding + agentic** work — writing code, running commands, using tools, debugging, multi-step technical tasks. The clearest signal is **tau2-bench `telecom`**, an agentic tool-use benchmark whose diagnose → fix → verify* loop mirrors real terminal/debugging work: | tau2-bench **telecom** · 20 tasks · local, same harness, **all Q8_0** | score | |---|---| | official `gemma-4-12B-it` (base) | **~15%** | | 🟢 **Gemma4-12B v2 (this model)** | **~55%** | → Roughly **3.5× higher** than the base model on technical-agentic tasks. 🎯 **Want the full story** — *why* telecom, how* the two models fail differently, the honest caveats, and the trade-offs (including general knowledge)? It's all broken down further below. 👇** 🚀 Announcements 📌 Hitting a problem? Please check my pinned discussion first.** **~99% of issues are a client/sampler config, not the weights** — and they have a quick fix there. For example: garbled or **repeating `0000…`** output almost always means **no repetition penalty** (set `rep_pen 1.1`, `temp 1.0`); and leaked ` ` / ` ` tokens mean your front-end isn't parsing Gemma 4's **native tool format** (use llama.cpp `--jinja`). If your question isn't covered, don't hesitate to open a discussion** — I read them and reply as fast as I can. 💬 📦 No Q2_K this release.** I finished a Q2_K (imatrix) build, but it didn't hold up under real stress-testing, so I'm holding it back — **I only ship a quant once I'm confident it's genuinely good.**

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本:190a31365a6b。 任务标签:文本生成与推理。 库标记:gguf。 上游标注的基础模型:google/gemma-4-12B-it。 上游页面记录的最近更新时间:2026-06-19。

文件说明

上游 API 返回 9 个文件,文件元数据合计 39.99 GB。 已保存文件清单中的主要扩展名:.gguf 7 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:gemma4-v2-Q8_0.gguf(11.80 GB);gemma4-v2-Q6_K.gguf(9.11 GB);gemma4-v2-Q4_K_M.gguf(6.87 GB)。

上游文件元数据

  • .gitattributes1.96 KB
  • gemma4-v2-Q3_K_M.gguf5.67 GB
  • gemma4-v2-Q4_K_M.gguf6.87 GB
  • gemma4-v2-Q6_K.gguf9.11 GB
  • gemma4-v2-Q8_0.gguf11.80 GB
  • MTP/gemma-4-12B-it-MTP-BF16.gguf821.61 MB
  • MTP/gemma-4-12B-it-MTP-F16.gguf821.61 MB
  • MTP/gemma-4-12B-it-MTP-Q8_0.gguf443.56 MB
  • README.md14.03 KB

硬件建议

仓库文件元数据合计 39.99 GB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

注意事项

许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。