Gemma 4 E2B It
Naposledy zkontrolováno:
Suverenita a hosting
Tento model je uveden v katalogu pro referenci. Zatím není hostován na LLM EU a žádný endpoint první strany zde neposkytuje jeho služby. Požadavky na něj směřují přímo k poskytovateli, podle jeho vlastních podmínek.
Shrnutí
Kontrolní bod je vyladěn instrukcemi a obsahuje šablonu chatu. Gemma 4 E2B It je publikován společností Google DeepMind jako otevřené váhy s 5,1B parametry pod licencí Apache-2.0. Přijímá zvuk a vypisuje text. Zveřejněná konfigurace nezaznamenává žádné kontextové okno, takže tato karta žádné neobsahuje. Repozitář byl vytvořen v březnu 2026 a je zrcadlen na Hugging Face. Karta je pouze katalogová: LLM EU tento model nespouští. Vydavatel na stránce modelu neuvádí žádné jazykové pokrytí.
Specifikace
- Poskytovatel
- Google DeepMind (US)
- Kontextové okno
- Neověřeno: poskytovatel toto tvrzení nedokumentoval.
- Parametry
- 5.1B
- Modality
- text, vision, audio
- Licence
- apache-2.0 · licence
- Otevřené váhy
- yes
- Datum vydání
- 02. 3. 2026
- Úlohy
- Vícejazyčná podpora, Nízké náklady, Zpracování obrazu
Jazyky
Silná: —
Dostatečná: —
Silná
Dostatečná
Neověřeno: poskytovatel toto tvrzení nedokumentoval. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Kdy použít
Silné stránky
- open weights are published on Hugging Face and can be downloaded without a vendor agreement
- Apache-2.0 licence, so commercial self-hosting is permitted without a separate agreement
- at 5.1B parameters it fits on a single accelerator
- instruction-tuned checkpoint with a chat template in the repository
- speech recognition runs locally, so audio never leaves the operator premises
Omezení
- catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
- no evaluation has been run by LLM EU
- the published configuration records no context window, so the card carries none
- at 5.1B parameters, the weights fit on a single modest accelerator
- vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model