Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
zerofata 基于 Gemma 4 31B 指令模型做的 31.3B 模型,适合想试用这个调优版本或和原模型对比的人。模型卡文字对用途说得很少。
G4-MeroMero-v2-31B 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download zerofata/G4-MeroMero-v2-31B
G4-MeroMero-v2-31B 是 zerofata 基于 google/gemma-4-31B-it 做的 31.3B 参数模型。文件是 Safetensors 格式。生成本页所用的模型卡文字大多是页面样式,没有说明这个调优版本是做什么用的,所以在依赖它之前请读完整的模型卡。
如果你有能跑 31B 模型的硬件,想试用 zerofata 做的 Gemma 4 31B 指令模型版本,或者想和原版对比,它就适合你。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 研究 | 模型测试人员 | 在同样的提示词上把这个调优版本和基础模型对比 | 测试人员在两个模型上跑同一组提示词,再看差异 |
| 软件 | 开发者 | 把它当作本地或自托管助手的候选 | 开发者加载一个 4 位副本,检查它的回复 |
| 爱好 | 本地模型爱好者 | 下载并测试社区做的大模型调优版本 | 爱好者试用别人发布的量化副本 |
如果你的内存有限,或者需要有文档说明的行为和测试结果,可以先跳过它。
| 用例 | 谁用 | 得到什么 |
|---|---|---|
| 试用这个调优版本 | 爱好者 | 对你输入的提示词的文字回复 |
| 和基础模型对比 | 研究人员 | 两个模型并排的输出 |
| 做助手原型 | 开发者 | 对模型回复风格的初步感受 |
pip install -U huggingface_hub hf download zerofata/G4-MeroMero-v2-31B
因为它建立在指令微调模型之上,你大概是给它一个书面提示词,再读它写回的文字,但模型卡没有确认这一点。只给出了下载这一步的命令。
hf download zerofata/G4-MeroMero-v2-31B
| 工具 | 作用 |
|---|---|
| hf download | 把模型文件下载到你的电脑 |
| pip install -U huggingface_hub | 安装提供 hf 命令的包 |
你加载模型,发一个简短的书面请求,比如让它把你贴入的一段话总结成三行。然后读它的回复,并和基础模型写的对比。
调优是拿一个现有模型,通常用新的样例继续训练,来改变它的表现。一个好的第一步,是去 Hugging Face 读完整的模型卡,因为本页所用的文字没有解释这个调优版本的目标。
对熟悉这个领域的人来说,这是基于 google/gemma-4-31B-it 的 31.3B 参数模型,以 Safetensors 存储。这里所用的文字里没有训练方法、数据集或基准测试,所以在你自己做检查之前,请把它的表现当作未经测试。
zerofata 基于 Gemma 4 31B 指令模型做的 31.3B 模型,适合想试用这个调优版本或和原模型对比的人。模型卡文字对用途说得很少。
由 zerofata 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。
它是什么:G4-MeroMero-v2-31B 是 zerofata 基于 google/gemma-4-31B-it 做的 31.3B 参数模型。文件是 Safetensors 格式。生成本页所用的模型卡文字大多是页面样式,没有说明这个调优版本是做什么用的,所以在依赖它之前请读完整的模型卡。
适合谁:如果你有能跑 31B 模型的硬件,想试用 zerofata 做的 Gemma 4 31B 指令模型版本,或者想和原版对比,它就适合你。
行业 | 谁在用 | 怎么用 | 例子
研究 | 模型测试人员 | 在同样的提示词上把这个调优版本和基础模型对比 | 测试人员在两个模型上跑同一组提示词,再看差异
软件 | 开发者 | 把它当作本地或自托管助手的候选 | 开发者加载一个 4 位副本,检查它的回复
爱好 | 本地模型爱好者 | 下载并测试社区做的大模型调优版本 | 爱好者试用别人发布的量化副本
如果你的内存有限,或者需要有文档说明的行为和测试结果,可以先跳过它。
用在哪里:
用例 | 谁用 | 得到什么
试用这个调优版本 | 爱好者 | 对你输入的提示词的文字回复
和基础模型对比 | 研究人员 | 两个模型并排的输出
做助手原型 | 开发者 | 对模型回复风格的初步感受
如何设置:
pip install -U huggingface_hub
hf download zerofata/G4-MeroMero-v2-31B
如何使用:
因为它建立在指令微调模型之上,你大概是给它一个书面提示词,再读它写回的文字,但模型卡没有确认这一点。只给出了下载这一步的命令。
hf download zerofata/G4-MeroMero-v2-31B
工具 | 作用
hf download | 把模型文件下载到你的电脑
pip install -U huggingface_hub | 安装提供 hf 命令的包
示例:你加载模型,发一个简短的书面请求,比如让它把你贴入的一段话总结成三行。然后读它的回复,并和基础模型写的对比。
新手与专家:调优是拿一个现有模型,通常用新的样例继续训练,来改变它的表现。一个好的第一步,是去 Hugging Face 读完整的模型卡,因为本页所用的文字没有解释这个调优版本的目标。
对熟悉这个领域的人来说,这是基于 google/gemma-4-31B-it 的 31.3B 参数模型,以 Safetensors 存储。这里所用的文字里没有训练方法、数据集或基准测试,所以在你自己做检查之前,请把它的表现当作未经测试。
Google 发布 gemma-4-31B-it
zerofata 在它之上做出 G4-MeroMero-v2-31B
你用 hf 下载文件
运行工具加载权重
你发送提示词,读回文字
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download zerofata/G4-MeroMero-v2-31B
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。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| G4-MeroMero-v2-31B 本页 | 390 | 97 | 31.3B | apache-2.0 | |
| gemma-4-31B-it共有 gemma4 · safetensors | 6,692,367 | 4,348 | 31.3B | apache-2.0 | |
| gemma-4-26B-A4B-it共有 gemma4 · safetensors | 5,304,019 | 1,758 | 25.8B | apache-2.0 | |
| gemma-4-E4B-it共有 gemma4 · safetensors | 4,298,348 | 1,850 | 8B | apache-2.0 | |
| gemma-4-E2B-it共有 gemma4 · safetensors | 3,017,059 | 1,129 | 5.1B | apache-2.0 | |
| gemma-4-E4B共有 gemma4 · safetensors | 449,316 | 508 | 8B | apache-2.0 |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
alpindale · 工具包
用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。
prithivMLmods · 工具包
在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。