Zabibu Fikra Model 2 (4B)

Zabibu Fikra Model 2 (4B)

用一个 4B 模型以斯瓦希里语和英语作答，设计为在你自己的设备上离线私密运行。适合需要非洲语境（如肯尼亚数据）的本地助手。

由 zabibutechnika 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Zabibu Fikra Model 2 (4B) 是内罗毕的 Zabibu Technika 推出的 40 亿参数聊天模型。它是他们 fikra-v2-e3 检查点的微调版，而该检查点源自 Qwen3.5-4B。它面向在你自己设备上的私密离线使用，考虑了斯瓦希里语、英语和非洲语境。

适合谁：适合想要一个无需联网的小型助手的人，也适合需要同一个模型同时处理斯瓦希里语和英语的团队。

行业 | 谁在用 | 怎么用 | 例子
软件 | 应用开发者 | 构建在用户设备上运行的助手 | 一个无需调用服务器、用斯瓦希里语或英语作答的聊天功能
边缘和隔离网络 IT | 部署团队 | 在设计上就断网的环境里运行模型 | 一台没有网络的办公电脑
本地产品 | 产品团队 | 处理用户在句子中间切换斯瓦希里语和英语的情况 | 肯尼亚应用的客服助手
研究 | 自然语言处理研究者 | 在非洲语境用例上比较小模型 | 试一试模型卡列出的用例，如文化和本地知识

如果你需要大型托管模型，或需要斯瓦希里语和英语之外的语言，可以跳过它，因为模型卡只列出了这两种语言。

用在哪里：Safetensors 权重可在 transformers 库中加载，GGUF 版本可在桌面运行时中打开。

• 带 transformers 库的 Python
• llama.cpp
• Ollama
• LM Studio
• Windows、macOS 或 Linux 上任何其他兼容 GGUF 的运行时

使用场景 | 谁用 | 得到什么
私密的本地设备助手 | 应用开发者 | 推理时无需任何外部调用的回复
斯瓦希里语和英语混用 | 产品团队 | 一个能同时理解两种语言的模型
边缘部署 | IT 团队 | 其 Q4_K_M 版本可在 CPU 上运行的小模型

如何设置：你需要装有 pip 的 Python 来获取文件，还需要给权重留出磁盘空间，F16 约 8.4 GB。

• 装有 pip 的 Python
• 约 8.4 GB 磁盘空间放 F16 权重，4 位量化的估计约为 2.1 GB
• 你选的运行时：transformers、llama.cpp、Ollama 或 LM Studio

1. 安装 Hugging Face 下载工具。
2. 把模型文件下载到你的电脑上。
3. 如果要用 GGUF 版本，请改从作者配套的 GGUF 仓库获取。
4. 在你的运行时中打开这些文件。

pip install -U huggingface_hub
hf download zabibutechnika/Fikra-Model-2-4B

如何使用：在 transformers 中加载权重，或者在 llama.cpp、Ollama 或 LM Studio 中打开 GGUF 版本，然后用斯瓦希里语或英语聊天。模型卡说，系统提示词和部署设计都假定推理时没有网络。

工具 | 作用
transformers | 加载 F16 的 Safetensors 权重
llama.cpp、Ollama、LM Studio | 打开 GGUF 版本
Q4_K_M | 可在 CPU 上运行的 GGUF 规格
F16 | GGUF 参考副本

示例：用斯瓦希里语问它是谁。模型卡的测试集里有四个斯瓦希里语身份用例，并报告四个全部通过，所以你可以期待一段关于它自身身份的斯瓦希里语回复。

新手与专家：语言模型读你的文字，然后写出回复。这个模型小到可以在你自己的电脑上运行，模型卡说它回答时不需要任何外部调用。你可以先下载 GGUF 版本，在 LM Studio 里打开，输入一句斯瓦希里语问候。

对熟悉这个领域的人来说，它是 fikra-v2-e3 的指令微调版，而 fikra-v2-e3 本身源自 Qwen3.5-4B。相比 2B 的 Fikra 模型，MMLU 的大部分提升来自更大的基础模型，而不是 Fikra 训练，模型卡也这样说明。Fikra 特有的提升是在它自己的 115 个用例发布测试集上测得的，比 e3 检查点高 2.6 个百分点。取舍在于体量和证据：公开基准测试每个任务只用了 10 个样本。

下载权重或 GGUF 版本
在 transformers 或 GGUF 运行时中打开
发送斯瓦希里语或英语提示词
模型在你的设备上离线回复

注意事项：下面的发布测试集结果是模型卡自己给出的数字。

• 样本量：MMLU 和 HellaSwag 的运行每个任务限制为 10 个样本，所以只能粗略参考。
• 未按规模归一化：模型卡说，相比 2B 模型的 MMLU 提升主要来自更大的基础模型。
• 它不做的声明：模型卡不称这个模型是第一个、非洲最好的或业界领先的。

Title: Fikra 发布测试集结果
自动检查测试集: 91.3 %
留出的改写句: 90.0 %
早先的 e3 检查点: 88.7 %

• License: Apache 2.0，模型卡说基础模型的许可证由 Qwen3.5-4B 决定。
• Cost to run: 未提及，来源没有列出 API 密钥、账号或付费服务。
• Data it reaches: 除了你输入的内容外没有别的，因为设计上假定推理时没有网络。
• Not for: 声称自己是第一个非洲语言模型、非洲最好或业界领先，模型卡说它不做这些声明。

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 参数量：4.2B
• Weights: about 8.4 GB in F16; about 2.1 GB at 4-bit (estimate)
• Formats: Safetensors, GGUF
• 最近 30 天下载：682
• 点赞：3
• 许可证：apache-2.0
• 语言：en, sw
• 基于：zabibutechnika/fikra-v2-e3
• Quantized versions: 3
• 标签：transformers, safetensors, gguf, qwen3_5_text, text-generation, africa, kenya, swahili, on-device, offline-first, fikra, zabibu-technika

链接

• 模型：https://huggingface.co/zabibutechnika/Fikra-Model-2-4B
• 文件：https://huggingface.co/zabibutechnika/Fikra-Model-2-4B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download zabibutechnika/Fikra-Model-2-4B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。