GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
Roland-Wayne
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Run this model inference with full control and performance in your environment.
Model Details
Model Provider
Roland-Wayne
Model Tree
google/gemma-4-E4B-it
Input Modalities
Output Modalities
Supported Functionality
白话 Baihua 是Roland Wayne基于 Google Gemma 4 E4B-it 经过后训练的中文口语化写作模型。把已有内容，或整理好的事实、观点和提纲，写成像人类口述的正文，减少模板化、机械化的表达。
主要使用方式：上游模型或作者提供事实、观点和提纲，由白话将其写成正文；也可以输入已有正文，让白话调整表达。搜索、事实整理和观点选择由上游完成，本模型侧重表达。
Roland Wayne 是内容创作者，也是白话 Baihua 的训练作者。在这个项目中，他负责确定表达目标、筛选训练材料，并通过实际测试和人工修改评估模型输出。
白话的训练方向来自他自己的写作需求：让 AI 辅助生成的正文更接近日常口述，减少固定句式和模板化表达。
作者主页：Roland Wayne｜Hugging Face。 X：https://x.com/rwayne Github：https://github.com/ozrwayne
| 项目 | 规格 |
|---|---|
| 公开名称 | 白话 Baihua |
| 模型标识 | Baihua-Gemma4-E4B |
| 用途说明 | Conversational Writing Model｜口语化写作模型 |
| 基础模型 | Google Gemma 4 E4B-it（google/gemma-4-E4B-it） |
| 参数规模 | 完整模型约 8B（80 亿）；Ollama 文本版约 7.5B（75 亿） |
| 权重精度 | BF16 |
| 上下文窗口 | 128K（131,072 tokens，输入与输出合计，含系统提示和模板） |
| 完整权重大小 | 约 15.88 GB；含配套文件约 15.91 GB（十进制） |
| 部署方式 | 下载权重，本地运行 |
| 主要用途 | 中文口语化写作、正文改写 |
训练材料为作者授权使用的私有中文材料及表达修改配对，不随权重公开。
配对微调阶段去重后有 144 组，其中 130 组用于训练、14 组留作验证；44 组包含人工修改，100 组保留前一轮风格模型的输出。训练只对目标答案部分计算损失。
训练阶段在同一 14 组验证样本上的答案部分 loss：配对微调前的适配器为 0.744804，配对微调后选中的适配器为 0.432404。这是小型验证集上的训练记录，不是独立测试集成绩，也不是当前 BF16 Ollama 部署重新测得的 loss；它与早期原话续写任务的 loss 不直接可比。
输入建议写清事实、观点、提纲、篇幅和格式，再让模型直接输出正文。改写模式则提供完整原文。
固定运行设置采用确定性生成：Transformers 中 do_sample=false、repetition_penalty=1.05；本次 Ollama 运行采用 temperature=0、repeat_penalty=1.05、repeat_last_n=131072、think=false。应用默认最多输出 4096 tokens，并按剩余上下文限制输出预算。
本模型的训练目标是表达风格，不以消除拒答行为为目标；没有据此进行 UNC／uncensored 宣称，也没有完成专门的拒答行为评测。BF16 精度和完整合并权重与 UNC 是不同概念。
下载和本地加载步骤见 使用说明。本仓库发布完整 BF16 Safetensors；性能章节中的 Ollama 文本 GGUF 不包含在本次下载文件中。
以下是虚构材料的部署冒烟测试，不是训练原文，也不是长文效果的代表性基准。
输入：
事实：目前只有35份测试记录，不是350份；产品尚未正式上线。 观点：我认为应该先看真实效果，再谈规模。 提纲：先说清楚数量和上线状态，再说我的判断。 要求：写成一条简短推文，不加标题。
白话实际输出：
目前只有35份测试记录，不是350份，而且产品还没有正式上线。所以呢，我觉得还是应该先看真实的效果怎么样，然后再去谈规模。
测试日期：2026-10-10。AMD Ryzen AI Max+ 395 / Radeon 8060S，Ollama 0.32.13 Vulkan，BF16 文本 GGUF；白话热驻留，其他服务保留运行。
| 项目 | 实测结果 |
|---|---|
| 1,024 tokens 输入、256 tokens 输出，3 次输出速度中位数 | 9.75 tokens/s |
| 同组首字等待中位数 | 3.80 秒 |
| 最大完整接收输入 | 130,816 tokens（含系统提示和模板） |
| 最大输入档首字等待 | 634.27 秒 |
| 最大输入档开头 / 中间 / 结尾校验码 | 3/3 |
最长输入测试只检查校验码检索，不代表同长度文章的写作质量。最长输出测试为 256 tokens。速度不是独占硬件成绩。
详见 白话 Ollama 性能与上下文测试。测试说明硬件、运行版本、并存任务、输入长度、首字等待、输入和输出速度，以及检索范围。没有以基础模型的公开跑分代替白话实测。
模型目标是调整表达，但它仍可能改变时间、数字、否定条件、因果关系和判断强度。此前测试中曾出现时间表述变化和技术条件反转；使用者应核对实际输出。完整 BF16 合并版与量化底座加 adapter 的输出也可能不同。
128K 配置和简单校验码检索不保证同长度文章的写作质量。模型不是可靠的事实核验系统，也不承诺通过任何 AI 文本检测器。
原始私人语料、训练配对、私人日志和访问凭据不随权重发布。有限隐私检查没有覆盖所有可能的输入，不能保证模型永不复述训练内容。权重本身不负责联网采集用户输入；具体部署程序的数据保存、日志和权限由部署者控制。
本模型以 Apache License 2.0 发布。基础模型由 Google DeepMind 提供，后训练作者为 Roland Wayne；来源和修改说明见 NOTICE。