Gemma 4 Ortenzya Creative Wordsmith 31B (NVFP4) (thinking on)
Diese Community-Fine-Tune-Variante von Gemma 4 31B richtet sich an kreative Schreib-Anwendungen und verzichtet auf einen Großteil der Sicherheitsfilter des Basismodells, mit zusätzlichem Feintuning auf natürlicheren Schreibstil. Das dichte Open-Weight-Modell mit 30,7 Milliarden Parametern und 256.000 Tokens Kontext läuft als NVFP4-Variante lokal mit niedrigem Speicherbedarf. Apache-2.0-Lizenz aus dem Basismodell.
- Open Weights
- Workstation
- VSPK
- Text
- Vision
- Uncensored
- Instruction-Tuned
- Unusable
Sovereign Risk: MEDIUM Google DeepMind ist ein US-Unternehmen (CLOUD-Act-Exposition primär bei Cloud-/API-Nutzung, nicht bei lokalem Betrieb). Die Basisgewichte stehen unter Apache-2.0. Linienbaum: google/gemma-4-31B → google/gemma-4-31B-it → llmfan46/gemma-4-31B-it-uncensored-heretic (Abliteration via Heretic v1.2.0, ARA-Methode) → llmfan46/…/Ortenzya-Creative-Wordsmith (Fine-Tune via Unsloth Studio) → NVFP4-Quantisierung desselben Autors. Der Fine-Tune-Autor llmfan46 ist ein Einzel-Contributor ohne dokumentierte Jurisdiktion (HF-Profil nennt kein Land). Relevanter Risikofaktor: Das Modell wurde gezielt abliteriert (91 % weniger Refusals, 9/100 vs. 99/100 beim Original), was Sicherheits-Guardrails des Basismodells gezielt entfernt – bei rein lokalem Betrieb ohne Cloud-Anbindung bleibt das Risiko technisch/inhaltlich, nicht datenschutzrechtlich.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 72.9
- Routine
- 45.67
- Reasoning
- 27.23
- LLM Judge Avg
- 3.66 / 5
- 100 Coverage
- Avg Task Duration
- 156.18s
- Unusable
- Token Rate
- 7.28tok/s
- Output Rate
- P95 Latency
- 272.21s
- Top 5 %
- Total Tokens
- 91900
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 91900 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.