/ Модель

Характеристики

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

Muse-Glimmer-30B-NVFP4-GGUF

Генерация текстаТекст → текст15 профессий

Квантованная в NVFP4 сборка мультимодальной Muse-Glimmer-30B для локальной генерации текста и анализа изображений через llama.cpp.

421скачиваний за 30 дней1лайквеса 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/Muse-Glimmer-30B-NVFP4-GGUF — квантованная сборка Muse-Glimmer-30B от Meta в формате GGUF для локального запуска через llama.cpp. Это плотный причинный трансформер с интегрированным визуальным энкодером; базовая модель насчитывает 27,8 млрд параметров и принимает изображения, в том числе снимки экрана, диаграммы и документы. Контекст достигает 131 тыс. токенов. Сборка использует NVIDIA NVFP4: 4-битные значения E2M1 с масштабированием E4M3 на группы из 16 значений; размер файла — 15,6 ГБ.

Модель предназначена для генерации текста и диалогов, а также анализа изображений при локальном инференсе. Для работы с изображениями README рекомендует llama-mtmd-cli или llama-server с mmproj. Проверенная конфигурация использует llama.cpp 1647+ с поддержкой CUDA и видеокарту NVIDIA с 16 ГБ видеопамяти; NVFP4 рассчитан на GPU NVIDIA Blackwell, например RTX 50-й серии. В README приведены результаты на RTX 5060 Ti 16 ГБ: 80,2 токена/с обработки входа и 8,7 токена/с генерации.

README указывает лицензию Apache 2.0 для базовой модели. Среди ограничений — требования к совместимому GPU и CUDA-ядрам; отключение рассуждений через конфигурацию не гарантируется, поэтому автор рекомендует параметр --reasoning off при запуске.

Сценарии применения

  • локальный диалоговый помощник с длинным контекстом
  • анализ снимков экрана и изображений
  • извлечение сведений из диаграмм и документов
  • генерация текста на локальном компьютере

Ограничения

Для инференса требуется совместимая видеокарта NVIDIA Blackwell с CUDA и не менее 16 ГБ видеопамяти. Отключение рассуждений через конфигурацию не гарантируется; README рекомендует параметр --reasoning off.

Для каких профессий подходит15

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 NVFP4 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: NVIDIA FP4 (NVFP4) — 4-bit E2M1 values with E4M3 scaling per 16 values + FP32 tensor scale
  • BPW: 4.69 bits per weight
  • Size: 15.6 GB
  • Target hardware: NVIDIA Blackwell GPUs (RTX 50 series) — requires CUDA kernels at inference

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

llama-cli -m muse-glimmer-30b-nvfp4.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 processing80.2 t/s
Token generation8.7 t/s
Context128K
KV CacheQ8_0
Test prompt"Explain to me in detail what is superpositioning and Quantum computing"
Output qualityCoherent, detailed, accurate — covered Dirac notation, Bloch sphere, interference, quantum parallelism

Usage

llama.cpp CLI (text generation)

llama-cli -m muse-glimmer-30b-nvfp4.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-nvfp4.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-nvfp4.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
  • Sliding window attention (2048 for 75% of layers, full for 25%) keeps KV cache small at 128K
  • For faster generation (~3x), see the MXFP4 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
9475b4c

0 моделей