Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

medgemma-4b-it

google · google/medgemma-4b-it

Licença dos pesos: Termos do publicador: Health AI Developer Foundations License · código e componentes podem ter outros termos

Informado pelo publicador16 resultadosFicha de google · lida em 2026-10-25 · sem ranking · ver
Memória necessária~4 GBPesos Q4 + margem, antes da reserva da máquina
Parâmetros4,3 BTotal de safetensors no Hub
Repositório atualizado2025-10-28Um commit não é data de lançamento

Qualidade

Sem score comparável

Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.

Informado pelo publicador

16 resultados · ficha de google · lida em 2026-10-25
MIMIC CXR - macro F1 for top 5 conditions
88,9Imaging evaluations · Medical image classification
CheXpert CXR - macro F1 for top 5 conditions
48,1Imaging evaluations · Medical image classification
CXR14 - macro F1 for 3 conditions
50,1Imaging evaluations · Medical image classification
PathMCQA - Accuracy (histopathology, internal)
69,8Imaging evaluations · Medical image classification
US-DermMCQA - Accuracy
71,8Imaging evaluations · Medical image classification
EyePACS - Accuracy (fundus, internal)
64,9Imaging evaluations · Medical image classification
SLAKE - Tokenized F1 (radiology)
72,3Imaging evaluations · Visual question answering
VQA-RAD - Tokenized F1 (radiology)
49,9Imaging evaluations · Visual question answering
Todos os resultados informados16
MedXpertQA - Accuracy (text + multimodal questions)
18,8Imaging evaluations · Knowledge and reasoning
MedQA (4-op)
64,4Text evaluations
MedMCQA
55,7Text evaluations
PubMedQA
73,4Text evaluations
MMLU Med
70,0Text evaluations
MedXpertQA (text only)
14,2Text evaluations
AfriMed-QA (25 question test set)
52,0Text evaluations
EHRQA
67,6Medical record evaluations

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Model information › Key performance metrics › Imaging evaluations; Model information › Key performance metrics › Text evaluations); coluna “MedGemma 4B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Roda em

Cabe na memória rápida 118

A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.

Mostrar todos os 118

Na memória, fora da parte rápida 1

Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.

Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Não é compatibilidade nem velocidade medida.

Velocidade medida

Nenhuma medição publicada para este checkpoint

Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.

Como rodar

Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.

Biblioteca na fonte: transformers

Formas documentadas de rodar

Não foi possível ler a ficha do modelo (ausente ou restrita)

Escolher meu computador

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Checkpoint / fonte
google/medgemma-4b-it
Tarefa
image-text-to-text
Arquitetura
Gemma3ForConditionalGeneration
Biblioteca na fonte
transformers
Licença dos pesos
Termos do publicador: Health AI Developer Foundations LicenseGoogle-Health/medgemma README, License: the model is licensed under the Health AI Developer Foundations License · consultado em 2026-10-18fonte
Uso comercial
Permitido Health AI Developer Foundations Terms of Use (verbatim copy in the ScanCode LicenseDB, homepage developers.google.com/health-ai-developer-foundations/terms) · consultado em 2026-10-18texto da licença
Todos os campos guardados13 campos
Revisão conferida
290cda5eeccbee130f987c4ad74a59ae6f196408
Arquitetura
Gemma3ForConditionalGeneration
Biblioteca
transformers
Tag de tarefa no Hub
image-text-to-text
Modelos base declarados
google/medgemma-4b-pt
Formatos
transformers, safetensors
Acesso
Restrito (auto)
Tipo de publicador
Oficial
Repositório criado
2025-05-19criação não é o lançamento do modelo
Repositório atualizado
2025-10-28um commit não é data de lançamento
Downloads no Hub (30 dias) · curtidas
415.640 · 1.117só este repositório · lido em 2026-10-25
Lido na página do Hub
classe transformers, tags de tarefaVisão geral e lista de arquivos do Hub · lido em 2026-10-18
Estado no catálogo
Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

Snapshot válido da fonte: 2026-09-26. Este registro da fonte ainda não recebeu revisão técnica completa. Dados ausentes permanecem desconhecidos; um commit do repositório não é a data de lançamento do modelo.