Gemma 4 E4B IT
Gemma 4 家族面向本地设备的多模态指令模型，接受文本、图像与音频输入，支持可配置思考模式；官方表格口径为4.5B有效参数（含嵌入约8B）。
最后核实：
https://huggingface.co/google/gemma-4-E4B-it特点与限制
主要特点
- PLE逐层嵌入，官方称其面向手机、笔记本等边缘设备
- 原生128K上下文（家族中12B及以上为256K）
- 文本、图像与音频输入，图像支持可变宽高比与token预算
- 可配置思考模式，原生支持system角色
- 原生函数调用支持
使用边界
- E4B命名代表有效参数口径，实际权重规模不等同于4.5B稠密模型。
- 官方评测表未披露模型revision、few-shot与提示模板等条件，成绩不能与外部统一条件横比。
- 输出仅有文本，音频与视频能力限于输入侧。
- 不同语言与任务的实际效果需要在目标场景验证；本站未复现任何基准或设备表现。
模型信息
- 家族与版本
- Gemma / 4
- 输入与输出
- 文本、图像、音频 → 文本
- 公开参数规模
- 8B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 4.5B
- 参数口径
- 官方E4B表格口径：4.5B effective，含嵌入表为8B；PLE逐层嵌入按查表使用，有效参数不等于MoE激活参数。视觉编码器约150M、音频编码器约300M在官方表中另列，不计入8B，8B不被当作全部多模态组件合计；HF权重元数据张量参数合计约8.0B，与含嵌入口径一致。 参数来源
- 原生上下文
- 131,072 tokens
- 扩展上下文
- 未提供
- 语言声明
- 多语言（预训练覆盖140余种；官方称开箱支持35余种）；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- 未核实
- 训练资料
- 官方模型卡公开预训练数据类型（网页文档、代码、数学文本与图像）、数据截止2025年1月、覆盖140余种语言以及CSAM与敏感信息过滤流程，并附技术报告；未公开完整数据清单。
能力依据
模型变体：指令版；家族与版本：Gemma / 4
文本生成
MMLU Pro · accuracy69.4%MMLU Pro · en查看评估与来源收起补充信息
文本生成
MMLU Pro · accuracy69.4%MMLU Pro · en
可作为英语知识与推理候选：官方instruction-tuned表报告MMLU Pro为69.4%。该分数不说明中文长文写作或事实回答可靠性。
已有依据支持
- 官方报告了该型号的英语知识与推理基准成绩。
证据限制
- 单一基准考试成绩不能替代目标场景验证。
- 未披露评测条件，不能与外部榜单直接横比。
- 本站未运行模型验证实际对话表现。
MMLU Pro · accuracy
69.4%官方报告 · Google DeepMind官方自测
展开评测条件与来源
- 模型标识 / 修订
- google/gemma-4-E4B-it / 未提供
- 思考模式
- 未知
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MMLU Pro / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Google官方卡的instruction-tuned表列Gemma 4 E4B为69.4%。未披露该行的few-shot、提示模板、输出长度和推理模式；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- google-deepmind / gemma-4-e4b-it-gemma4-model-card
- 来源
- https://huggingface.co/google/gemma-4-E4B-it
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的模型revision、推理模式及具体评测配置，无法与统一条件下的其他成绩比较。
代码
LiveCodeBench v6 · score52%LiveCodeBench · code查看评估与来源收起补充信息
代码
LiveCodeBench v6 · score52%LiveCodeBench · code
可作为需执行测试核验的代码生成候选：官方LiveCodeBench v6成绩为52.0%。单一基准不能保证复杂项目修改正确。
已有依据支持
- 官方报告包含该型号的代码生成基准成绩。
证据限制
- 复杂项目修改仍需在目标仓库运行测试验证。
- 提示、采样和生成长度等条件未完整披露。
- 本站未复现该基准。
LiveCodeBench v6 · score
52%官方报告 · Google DeepMind官方自测
展开评测条件与来源
- 模型标识 / 修订
- google/gemma-4-E4B-it / 未提供
- 思考模式
- 未知
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- LiveCodeBench / 未提供
- 基准 / 报告版本
- v6
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Google官方卡的instruction-tuned表列Gemma 4 E4B为52.0%。未披露该行的few-shot、提示模板、输出长度和推理模式；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- google-deepmind / gemma-4-e4b-it-gemma4-model-card
- 来源
- https://huggingface.co/google/gemma-4-E4B-it
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的模型revision、推理模式及具体评测配置，无法与统一条件下的其他成绩比较。
视觉理解
MMMU Pro · accuracy52.6%MMMU Pro · enMATH-Vision · accuracy59.5%MATH-Vision · en查看评估与来源收起补充信息
视觉理解
MMMU Pro · accuracy52.6%MMMU Pro · en
MATH-Vision · accuracy59.5%MATH-Vision · en
可作为图文问答候选：官方MMMU Pro为52.6%、MATH-Vision为59.5%。这些单项视觉结果不能保证OCR或细节图像识别效果。
已有依据支持
- 官方报告提供两项视觉推理基准数据，并说明支持可变分辨率与图文交错输入。
证据限制
- OCR与细节识别需要按目标图像另行验证。
- 本站未使用本地图片输入验证识图效果。
MMMU Pro · accuracy
52.6%官方报告 · Google DeepMind官方自测
展开评测条件与来源
- 模型标识 / 修订
- google/gemma-4-E4B-it / 未提供
- 思考模式
- 未知
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MMMU Pro / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Google官方卡的视觉表列Gemma 4 E4B为52.6%。未披露该行的few-shot、提示模板、输出长度和推理模式；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- google-deepmind / gemma-4-e4b-it-gemma4-model-card
- 来源
- https://huggingface.co/google/gemma-4-E4B-it
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的模型revision、推理模式及具体评测配置，无法与统一条件下的其他成绩比较。
MATH-Vision · accuracy
59.5%官方报告 · Google DeepMind官方自测
展开评测条件与来源
- 模型标识 / 修订
- google/gemma-4-E4B-it / 未提供
- 思考模式
- 未知
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MATH-Vision / 未提供
- 基准 / 报告版本
- 官方模型卡未注明数据版本
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Google官方卡的视觉表列Gemma 4 E4B为59.5%。未披露该行的few-shot、提示模板、输出长度和推理模式；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- google-deepmind / gemma-4-e4b-it-gemma4-model-card
- 来源
- https://huggingface.co/google/gemma-4-E4B-it
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡原文或第三方内容许可。 查看说明
- 比较状态
- 不可比：官方卡未披露该成绩的模型revision、推理模式及具体评测配置，无法与统一条件下的其他成绩比较。
运行条件与获取
Transformers
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；官方称E4B面向边缘设备，但未给出可核对的显存或内存需求，不将参数量或文件体积换算为资源保证。
内存：未核实；显存：未核实。
依赖：transformers（官方要求最新版）、torch、accelerate、torchvision（图像输入）、librosa（音频输入）。
STEP 01 安装依赖
官方Getting Started给出的安装命令，要求使用最新版Transformers；本站未执行安装。
pip install -U transformers torch accelerateSTEP 02 加载指定模型并生成
按官方示例用AutoProcessor与AutoModelForMultimodalLM加载google/gemma-4-E4B-it；图像与音频输入需另装torchvision、librosa，思考模式由enable_thinking控制。本站未下载权重或执行模型。