全球 AI 聊天室 · 现在 17 人在线 进去聊聊
G
模型 已收录

gemma-4-12B-it-qat-GGUF

gemma-4-12B-it-qat-GGUF 是由 Unsloth 团队基于 Google Gemma 4 系列优化的量化版本。这款模型最大的亮点在于其“全模态（Any-to-Any）”的潜力，能够处理多种输入形式。通过 QAT（量化感知训练）技术，它在大幅压缩参数体积、降低显存占用需求的同时，尽可能保留了原模型的逻辑推理与指令遵循能力。对于开发者而言，GGUF 格式意味着它能完美适配 llama.cpp 等主流推理框架，即便在消费级显卡甚至高性能 CPU 上也能流畅运行。如果你正在寻找一个既能处理复杂任务，又能在本地设备上低成本部署的轻量级多模态模型，它是一个非常理想的进阶选择。

unslothany to any
查看模型来源
01 / 模型卡片

模型卡片

gemma-4-12B-it-qat-GGUF 是由 Unsloth 团队基于 Google Gemma 4 系列优化的量化版本。这款模型最大的亮点在于其“全模态（Any-to-Any）”的潜力，能够处理多种输入形式。通过 QAT（量化感知训练）技术，它在大幅压缩参数体积、降低显存占用需求的同时，尽可能保留了原模型的逻辑推理与指令遵循能力。对于开发者而言，GGUF 格式意味着它能完美适配 llama.cpp 等主流推理框架，即便在消费级显卡甚至高性能 CPU 上也能流畅运行。如果你正在寻找一个既能处理复杂任务，又能在本地设备上低成本部署的轻量级多模态模型，它是一个非常理想的进阶选择。

模型类型any to any
提供方unsloth
许可状态apache-2.0
02 / 文件与版本

模型文件与版本

模型卡片当前详情页记录的模型说明与元数据
已收录
来源仓库https://huggingface.co/unsloth/gemma-4-12B-it-qat-GGUF
查看模型来源
版本信息请以来源仓库的最新版本为准
—
03 / 模型下载

下载模型

推荐使用 ModelScope 命令行或 SDK 下载。下载前请先安装 ModelScope，并根据需要选择完整模型、单个文件、SDK 或 Git LFS 方式。

当前条目来源为 Hugging Face；以下命令使用同名 ModelScope 仓库格式，请先确认该仓库在 ModelScope 中可用。 模型仓库: unsloth/gemma-4-12B-it-qat-GGUF
安装 ModelScope

下载前先安装命令行和 SDK 依赖。

pip install modelscope
命令行下载完整模型库

下载完整模型权重、配置和模型卡片。

modelscope download --model unsloth/gemma-4-12B-it-qat-GGUF
下载单个文件到指定目录

这里以 README.md 为例，也可以替换为仓库内的其他文件。

modelscope download --model unsloth/gemma-4-12B-it-qat-GGUF README.md --local_dir ./dir
SDK 下载

适合在 Python 项目或自动化脚本中使用。

from modelscope import snapshot_download
model_dir = snapshot_download('unsloth/gemma-4-12B-it-qat-GGUF')
Git 下载

请确保 Git LFS 已正确安装。

git lfs install
git clone https://www.modelscope.cn/unsloth/gemma-4-12B-it-qat-GGUF.git
跳过 LFS 大文件下载

先获取仓库结构，之后再按需拉取大文件。

GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/unsloth/gemma-4-12B-it-qat-GGUF.git
04 / 使用方法

如何使用

  1. 01
    步骤 1

    阅读模型卡片和来源信息。

  2. 02
    步骤 2

    从小型、非敏感任务开始评估。

  3. 03
    步骤 3

    核对输出质量、许可和使用限制。

  4. 04
    步骤 4

    验证通过后再纳入工作流。

05 / 讨论

讨论与反馈

这里保留讨论入口，方便继续核对来源、使用体验和维护状态。

前往来源页面