Gemma-4-Rust-Coder
קוד פתוחMassivDashmit2026-04-16
התאמה ייעודית של ג'מה לכתיבת קוד בראסט ומערכות מקביליות. הוא פונה למי שצריך קוד אידיומטי ובטוח זיכרון, יחד עם יכולת לקרוא דיאגרמות ארכיטקטורה.
- 131,072טוקנים בהקשר
- 21.6 GBמשקל הקבצים
- 3,884הורדות בחודש
- 52לייקים
מה זה
מדובר בכיוונון של ג'מה 4 שבוצע בעזרת Unsloth Studio, על בסיס דאטה-סט בשם Strandset-Rust-v1 שפותח ברשת Fortytwo. המטרה המרכזית פה היא כתיבת קוד ראסט מודרני ותקין, תוך דגש על מודלים של בעלות על זיכרון ופתרון בעיות מקביליות סביב Tokio ותכונות כמו Send ו־Sync.
בניגוד למודלי קוד רגילים שלרוב עובדים רק עם טקסט, יש כאן יכולת מולטימודלית מובנית שמיועדת להמיר תרשימי ארכיטקטורה או עיצובי ממשק ישירות לקוד ראסט עובד. חלון ההקשר הגדול מגיע עד 131,072 טוקנים בדיוק מקורי של bfloat16, מה שמאפשר להזין פרויקטים שלמים או דיאגרמות מורכבות בלי לחתוך את הקלט.
מתאים ל
- קוד מתרשימי מערכת
תרגום שרטוטי ארכיטקטורה לקבצי מבנה בראסט בזכות רכיב הראייה המובנה.
- פיתוח מקבילי ואסינכרוני
כתיבת לוגיקה סביב Tokio, עבודה עם תהליכונים ופתרון שגיאות Send ו־Sync.
- ריפקטורינג לקוד אידיומטי
התאמת קוד קיים לדפוסי כתיבה מודרניים ובטוחים לפי המוסכמות של השפה.
איפה זה נופל
הכרטיס לא מציג אף מבחן ביצועים רשמי או מדדי השוואה מול מודלים קיימים, כך שאין שום הוכחה כמותית לאיכות הקוד שהוא מייצר. בנוסף, יכולת המולטימודל מסורבלת להפעלה מקומית בגלל הפרדת קובץ הראייה gemma-4-e2b-it.BF16-mmproj.gguf, מה שמסבך את האינטגרציה בכלים נפוצים כמו אולמה ודורש מיזוג ידני. לפני שמשלבים אותו בפיתוח, חובה לבדוק היטב אם הוא לא ממציא ספריות או נכשל בזיהוי מורכב של תרשימים.
שאלות
נפוצות
האם אפשר להריץ אותו ישר בתוך Ollama?
לא ישירות מהקובץ הרגיל, כי אולמה לא תומכת בקובצי mmproj נפרדים ליכולות ראייה. צריך לקחת את המודל הממוזג בפורמט bf16, להניח לצדו את ה־Modelfile, וליצור את המודל פנימית דרך הפקודה הייעודית.
איך מריצים אותו דרך שורת הפקודה?
הוא הומר לפורמט GGUF, כך שאפשר להשתמש בכלי llama.cpp. לטקסט בלבד משתמשים בפקודת llama-cli עם דגל jinja, ולשילוב תמונות וטקסט מריצים את llama-mtmd-cli.
איך מריצים
המשקל הכולל של הקבצים עומד על 21.6 ג'יגה-בייט בפורמט המקורי, אבל קיימים קבצי GGUF כמו gemma-4-e2b-it.Q3_K_M שמקלים על ההרצה המקומית. בשביל להריץ אותו עם llama.cpp תצטרכו מעבד גרפי סביר עם לפחות 16 עד 24 ג'יגה זיכרון כדי לא לחנוק את המחשב, במיוחד אם רוצים לנצל את חלון ההקשר הרחב.
אם אתם עובדים עם Ollama, שימו לב שהיא לא תומכת בקובצי mmproj נפרדים של הראייה, כך שצריך לייצר מודל ממוזג מקובץ ה־Modelfile. אם אין לכם חומרה ייעודית לכך, פנייה לשרת מרוחק עדיפה בהרבה על ניסיון לגרור אותו על מעבד רגיל.
ollama run hf.co/MassivDash/Gemma-4-Rust-Coder:Q4_K_M
איזו גרסה
אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.
הקבצים
11 קבצים במאגר, 21.6 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
הפרויקט מופץ תחת רישיון MIT. המשמעות פשוטה, מותר לכם להשתמש בו לצרכים פרטיים או מסחריים, לשנות אותו, להפיץ אותו מחדש או לשלב אותו בתוך מוצר סגור שאתם מוכרים, כל עוד אתם שומרים על הודעת זכויות היוצרים המקורית של היוצר.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש