GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
ronghua
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
ronghua
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。