/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Muse-Glimmer-30B-Abliterated-BF16
Библиотека
gguf
Опубликована
10 авг 2026

Muse-Glimmer-30B-Abliterated-GGUF

Изображение и текст → текст8 профессий

Blackfrost-AI/Muse-Glimmer-30B-Abliterated-GGUF — экспериментальная сборка модели Muse Glimmer 30B, подготовленная Blackfrost на базе Blackfrost-Research/Muse-Glimmer-30B-Abliterated-BF16 и исходной модели Meta.

22 964скачиваний за 30 дней50лайковвеса обновлены15 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Она распространяется в формате GGUF для локального запуска через llama.cpp на одной потребительской видеокарте или CPU, полностью офлайн. Модель ориентирована на агентские сценарии, генерацию текста и мультимодальную работу с изображениями.

Архитектура muse-glimmer — плотная модель с 52 слоями, скрытым размером 6656, GQA, скользящим окном внимания и vision tower. Заявленный контекст составляет 131 072 токена. Доступны квантизации от Q2_K до Q8_0 размером примерно от 10 до 27,6 ГБ; рекомендуемый компромисс Q4_K_M занимает около 15,8 ГБ. Для обработки изображений требуется отдельный мультимодальный проектор, а для ускорения генерации можно использовать DFlash drafter. Поддерживаемые языки в README не указаны.

Ключевая особенность сборки — удаление поведения отказа методом изменения весов; в указанном тесте модель не демонстрировала истинных отказов на 450 вредоносных запросах. Это расширяет свободу использования, но одновременно означает отсутствие обычных защитных ограничений и повышенные риски при работе с небезопасными запросами. Разработка помечена как экспериментальная: возможны проблемы с декодированием, связностью, разбором вызовов инструментов и работой сервера под нагрузкой. Указана лицензия Apache-2.0; для запуска рекомендуется llama.cpp версии b10353 или новее.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

[!IMPORTANT]

Improvement update — August 15, 2026

This release now includes compact abliterated Q4_K_M companions: a 1.63 GB DFlash drafter and a 1.40 GB multimodal projector, matching Meta's consumer-hardware footprint while preserving this model's modified weights. The complete text quant ladder has also been refreshed with Meta's post-release Jinja correction, which normalizes Reasoning effort to Reasoning strength and prevents duplicate reasoning directives. Text generation, image input, and DFlash speculative decoding were validated together on current llama.cpp.

✅ All quants live

The full text quant ladder (Q2_K → Q8_0), compact Q4_K_M and full-precision vision projectors, and compact Q4_K_M and full-precision DFlash drafters are uploaded — see the Files tab.

⚠️ EXPERIMENTAL

Same-day arch, quantized. Expect sharp edges — decode, coherence, tool-parse, serve edge cases under load. Please open a Community discussion with loader/version, quant, prompt, sampling, and failure mode. Real repros get fixed faster.


Refusal benchmark — R1-HARMFUL-BENCH-450

Measured on the abliterated parent (GGUF quants inherit this behavior):

MetricResult
True refusal (harmful, n=300)0 / 300 = 0.0%
True refusal (full 450)0 / 450 = 0.0%
Substring-harmful0 / 300
Substring-all2 / 450 (XSTest false positives)
Errors0

The weight change removes refusals cleanly — no measured true refusals across the full 450-prompt suite.


Why this model exists

Muse Glimmer is Meta Superintelligence Labs' 30B agentic, on-device model. This is the abliterated build — refusal behavior removed via a Blackfrost weight-change process — packaged as GGUF for llama.cpp, so it runs on a single consumer GPU or CPU, fully offline. The local footprint is the product.


Specifications

Architecturemuse-glimmer — dense, 52 layers, hidden 6656, GQA (32 q / 2 kv), sliding-window attention, + vision tower
Basemeta-models/Muse-Glimmer-30B — Meta, Apache-2.0
TransformAbliterated — refusal behavior removed via a Blackfrost weight-change process; multimodal capability intact
FormatsGGUF — Q2_K, Q3_K_S, Q3_K_M, Q4_K_S, Q4_K_M, Q5_K_S, Q5_K_M, Q6_K, Q8_0
Context131,072
Spec-decodeDFlash drafter — --spec-type draft-dflash --spec-draft-n-max 15
Default personaShips with the "AI assistant" system template baked in

Quant ladder

quantsizerecommended for
Q2_K10.0 GBsmallest, quality trade-off
Q3_K_S11.7 GBvery tight VRAM
Q3_K_M12.7 GBtight VRAM
Q4_K_S15.0 GB16 GB cards
Q4_K_M15.8 GBdefault — balanced, fits 24 GB
Q5_K_S18.0 GBhigher quality
Q5_K_M18.5 GBstrong quality/size balance
Q6_K21.3 GBnear-lossless
Q8_027.6 GBmax fidelity

Vision & speculative-decode files

Load a text quant plus an mmproj projector for image input:

filesizepurpose
mmproj-Muse-Glimmer-30B-Abliterated-Q4_K_M.gguf1.40 GBvision projector — compact, recommended
mmproj-Muse-Glimmer-30B-Abliterated-F16.gguf3.6 GBvision projector — full precision
mmproj-Muse-Glimmer-30B-Abliterated-Q8_0.gguf1.9 GBvision projector — compact
dflash-Muse-Glimmer-30B-Abliterated-Q4_K_M.gguf1.63 GBabliterated DFlash drafter — compact, recommended
dflash-Muse-Glimmer-30B-Abliterated-F16.gguf4.8 GBDFlash drafter — speculative decoding

Serving (llama.cpp) — confirmed settings

Requires llama.cpp b10353 or newer with llama-server. DFlash runs under llama-server only — it shares the target model's context, so it does not work in llama-cli.

Recommended — with DFlash speculative decoding (~1.6× faster, identical output):

llama-server \
  -m  Muse-Glimmer-30B-Abliterated-Q8_0.gguf \
  -md dflash-Muse-Glimmer-30B-Abliterated-Q4_K_M.gguf \
  --spec-type draft-dflash --spec-draft-n-max 15 \
  -ngl 999 -ngld 999 -fa on --jinja \
  --host 0.0.0.0 --port 8080 -c 16384 \
  --temp 1.0 --top-p 0.95 --top-k 64
  • Plain (no drafter): drop -md, --spec-type, --spec-draft-n-max, and -ngld.
  • Multimodal (image input): add --mmproj mmproj-Muse-Glimmer-30B-Abliterated-Q4_K_M.gguf.
  • One-command kit: deploy/serve.sh auto-downloads + serves; full guide in deploy/DEPLOYMENT.md.

Confirmed settings

  • Sampling: temperature 1.0, top_p 0.95, top_k 64 (Meta). Steer depth with a Reasoning strength: low/medium/high/xhigh system line.
  • --jinja is required. The refreshed template accepts an OpenAI-style Reasoning effort: <level> line, normalizes it, and does not inject a conflicting second directive.
  • Do not stop on <|eom|>. Use <|end_of_text|> and <|eot|> as stop tokens.
  • max_tokens ≥ 1024 — heavy thinker; small budgets return empty content because the reasoning channel consumes them. Reasoning arrives in reasoning_content, the answer in content.
  • --spec-draft-n-max 15 — DFlash block size (trained 16, clamped).
  • Flash attention: -fa on for peak speed; switch to -fa off if the load hangs on a brand-new GPU paired with an older CUDA toolkit.

Measured performance

1× NVIDIA RTX PRO 6000 (Blackwell), Q8_0, -fa off:

configdecode tok/sspeedup
baseline~461.0×
+ DFlash~731.6×

Speedup rises with -fa on and structured/code output (Meta reports up to 3.1× on an RTX 5090).


Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
83e7dc7

0 моделей