/ Модель

Характеристики

Базовая модель
Muse-Glimmer-30B
Опубликована
6 сен 2026

Muse-Glimmer-30B-MXFP4-GGUF

Генерация текстаТекст → текст14 профессий

Квантованная в MXFP4 сборка Muse-Glimmer-30B в формате GGUF для локальной генерации текста в диалоге и анализа изображений.

145скачиваний за 30 дней0лайковвеса обновлены7 сен 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

FreedomAISVR выпустила квантованную сборку Muse-Glimmer-30B в формате GGUF с квантизацией MXFP4. В основе — Muse-Glimmer-30B от Meta: плотный причинный трансформер примерно на 27,8 млрд параметров со встроенным визуальным энкодером ViT-G/14. Модель предназначена для генерации текста в диалоге и анализа изображений, включая скриншоты, графики и документы. README заявляет контекст 131K+ токенов; для запуска указаны llama.cpp build 1647+ с поддержкой CUDA и видеокарта NVIDIA с 16 ГБ видеопамяти или больше.

Квантизация MXFP4 использует 4,46 бита на вес, а файл модели занимает около 14,8 ГБ. В README приведены результаты на RTX 5060 Ti 16GB: 246,3 токена/с при обработке запроса и 25,3 токена/с при генерации; это результаты конкретной конфигурации и оборудования. Для обработки изображений требуется llama-mtmd-cli или сервер llama.cpp с mmproj. Базовая модель имеет лицензию Apache 2.0; отдельные условия лицензии этой сборки в предоставленных данных не приведены.

Сценарии применения

  • ответы в диалоге с локальной языковой моделью
  • анализ скриншотов и изображений
  • извлечение информации из графиков и документов
  • генерация текста с длинным контекстом

Ограничения

Для запуска требуется llama.cpp build 1647+ с поддержкой CUDA и видеокарта NVIDIA с 16 ГБ видеопамяти или больше; обработка изображений требует мультимодального CLI или сервера с mmproj. README сообщает, что отключить reasoning полностью через конфигурацию нельзя, и рекомендует параметр --reasoning off.

Для каких профессий подходит14

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

Muse-Glimmer-30B MXFP4 GGUF

Base Model

Muse-Glimmer-30B by Meta — a 27.8B-parameter dense causal transformer with integrated vision encoder (ViT-G/14, ~1.8B params). Apache 2.0 licensed. Supports images, screenshots, charts, documents, and 131K+ context. No MTP heads — uses DFlash speculative decoding instead.

Vision Support

This model includes a full vision encoder (mmproj) embedded in the GGUF. Use llama-mtmd-cli or llama-server --mmproj for vision capabilities. The vision encoder uses dynamic-size input with patch size 14 and temporal patch 2.

Quantization

  • Format: MXFP4 — OCP microscaled FP4 (E2M1 values with E8M0 power-of-two scaling per 32 values)
  • BPW: 4.46 bits per weight
  • Size: 14.8 GB
  • Portable: MXFP4 works on any hardware with FP4 support (not Blackwell-only like NVFP4)

Tested Settings (llama.cpp build 1647+, RTX 5060 Ti 16GB)

llama-cli -m muse-glimmer-30b-mxfp4.gguf \
  -ngl 99 \
  --ctx-size 131072 \
  --flash-attn on \
  --cache-type-k q8_0 --cache-type-v q8_0 \
  --reasoning off \
  -t 8 --temp 0.7 --top-k 20 --top-p 0.95

Performance Results

MetricResult
Prompt processing246.3 t/s
Token generation25.3 t/s
Context128K
KV CacheQ8_0
Test prompt"Explain to me in detail what is superpositioning and Quantum computing"
Output qualityCoherent, detailed, accurate — covered superposition, Dirac notation, entanglement, interference, quantum algorithms

Usage

llama.cpp CLI (text generation)

llama-cli -m muse-glimmer-30b-mxfp4.gguf -ngl 99 -c 131072 --flash-attn on --cache-type-k q8_0 --cache-type-v q8_0 --reasoning off -p "Your prompt here"

llama.cpp Server (API)

llama-server -m muse-glimmer-30b-mxfp4.gguf -ngl 99 -c 131072 --flash-attn on --cache-type-k q8_0 --cache-type-v q8_0 --reasoning off --host 0.0.0.0 --port 8080

Vision (requires llama-mtmd-cli)

llama-mtmd-cli -m muse-glimmer-30b-mxfp4.gguf -ngl 99 --flash-attn on --reasoning off --image /path/to/image.png -p "Describe this image"

Requirements

  • llama.cpp build 1647+ with CUDA support (Muse-Glimmer architecture support merged Aug 2026)
  • NVIDIA GPU with 16GB+ VRAM (tested on RTX 5060 Ti 16GB)
  • Full GPU offload works — model fits entirely in VRAM
  • --reasoning off recommended to suppress thinking token leakage

Notes

  • Dense model (all 27.8B params active per token) — no --cpu-moe needed
  • ~3x faster generation than NVFP4 variant (25.3 vs 8.7 t/s) — MXFP4 decode kernels are more efficient
  • Sliding window attention (2048 for 75% of layers, full for 25%) keeps KV cache small at 128K
  • For Blackwell-optimized variant, see the NVFP4 variant
  • Reasoning cannot be fully disabled via config — use --reasoning off at inference

License

Apache 2.0 (inherited from base model)

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
5b0a6fb

0 моделей