全球 AI 聊天室 · 现在 17 人在线 进去聊聊
G
模型 已收录

gemma-4-E4B-it-qat-GGUF

这款由 Unsloth 团队优化的 Gemma-4 系列模型，采用了 GGUF 量化格式，是追求极致推理效率开发者的福音。作为一款具备 Any-to-Any 能力的轻量化模型，它不仅能处理文本，更在多模态理解上展现了极高的性价比。通过 QAT（量化感知训练）技术，模型在大幅压缩体积、降低显存占用的同时，尽可能保留了原始模型的逻辑推理能力。对于想要在个人电脑、移动端或低成本服务器上部署本地 AI 助手、构建多模态 RAG 应用的开发者来说，它是目前非常平衡的选择。上手难度低，配合 llama.cpp 等主流工具即可实现流畅的本地化运行。

unslothany to any
查看模型来源
01 / 模型卡片

模型卡片

这款由 Unsloth 团队优化的 Gemma-4 系列模型，采用了 GGUF 量化格式，是追求极致推理效率开发者的福音。作为一款具备 Any-to-Any 能力的轻量化模型，它不仅能处理文本，更在多模态理解上展现了极高的性价比。通过 QAT（量化感知训练）技术，模型在大幅压缩体积、降低显存占用的同时，尽可能保留了原始模型的逻辑推理能力。对于想要在个人电脑、移动端或低成本服务器上部署本地 AI 助手、构建多模态 RAG 应用的开发者来说，它是目前非常平衡的选择。上手难度低，配合 llama.cpp 等主流工具即可实现流畅的本地化运行。

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-E4B-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-E4B-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-E4B-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-E4B-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-E4B-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-E4B-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-E4B-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