/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
19,7 ГБ
Архитектура
muse_glimmer · dense
Базовая модель
Muse-Glimmer-30B
Библиотека
transformers
Опубликована
9 авг 2026

Muse-Glimmer-NVFP4

Изображение и текст → текст5 профессий

Квантованный смешанно-точный чекпойнт Muse Glimmer для компактного диалогового сервинга через SGLang.

2 778скачиваний за 30 дней10лайковвеса обновлены15 авг 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 «Изображение → 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

RadixArk подготовил квантованный чекпойнт Muse Glimmer для запуска через SGLang. Он основан на meta-models/Muse-Glimmer-30B и использует смешанную точность: NVFP4 для большинства проекций, MXFP8 для чувствительных слоёв и bf16 для нормализаций. Веса в формате Safetensors занимают около 18,34 ГиБ вместо 52 ГиБ у экспорта bf16.

Модель предназначена для диалоговой генерации и задач с изображениями, однако README рекомендует запускать именно языковую часть с параметром --language-model-only: зрительный модуль есть в базовом экспорте, но не входит в этот квантованный чекпойнт. Такой вариант подходит для декодирование-тяжёлых сценариев, локального сервинга и работы с инструментами; на DGX Spark ускорение генерации относительно bf16 достигает примерно 2,7 раза, но предварительная обработка длинных запросов при больших пакетах может быть медленнее.

Проверены базовая генерация и арифметические запросы, полная оценка качества ещё не выполнена. Для сервинга требуется форк SGLang с поддержкой Muse Glimmer. Лицензия в предоставленных данных не указана.

Сценарии применения

  • локальный запуск диалоговой модели на GPU с 32 ГБ памяти
  • генерация ответов в сервисе на базе SGLang
  • вызов инструментов в диалогах с моделью
  • ускорение генерации в сценариях с большим объёмом декодирования

Ограничения

Полная оценка качества ещё не завершена; на больших пакетах предварительная обработка запросов может быть медленнее, чем у версии bf16. Для запуска требуется форк SGLang с поддержкой Muse Glimmer, а в этом чекпойнте зрительный модуль отсутствует.

Для каких профессий подходит5

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 — NVFP4/MXFP8 (vendor recipe)

Overview

The vendor-recipe quantized checkpoint of Muse Glimmer, packed for serving with SGLang. This is the model vendor's own fp_awq mixed-precision recipe (MIXED_PRECISION): NVFP4 (E2M1, group 16) on most projections, MXFP8 (E4M3, group 32) on the higher-sensitivity set (v_proj, down_proj, lm_head), norms in bf16 — 18.3 GiB versus 52 GiB for the bf16 export. Grab it and serve it directly by repo id; no conversion step needed.

Model Specifications

  • Base model: meta-models/Muse-Glimmer-30B (Muse Glimmer bf16 export)
  • Format: Safetensors, 5 shards, 18.34 GiB
  • Recipe: vendor fp_awq hand-off packed with the SGLang fork's convert_fp_awq_to_hf.py (default flags — the recipe as shipped); quantization map in hf_quant_config.json (quant_algo: MIXED_PRECISION)
  • Language model: 52 layers, hidden 6656, 32 Q / 2 KV heads, vocab 202,048
  • Text-only serving is recommended (--language-model-only); the vision tower ships in the base export, not in this quantized checkpoint

Evaluation Results

Measured on 1× DGX Spark (GB10), SGLang, 1024 in / 1024 out, greedy:

BSoutput tok/svs bf16 target+ DFlash draft (sim acc=5)
112.12.7×36.4
447.72.7×156.2
892.22.6×300.7

Notes: decode is memory-bound, so the speedup tracks the 52→18 GiB weight reduction. On GB10, quantized prefill is slower than bf16 at batch ≥ 4 (~650 vs ~1500 input tok/s) — decode-heavy workloads win, prefill-heavy workloads should measure. Correctness smoke-verified (greedy arithmetic and generation with correct stop tokens); full accuracy suite pending.

Serving with SGLang

Requires the SGLang fork with Muse Glimmer support (sgl-project/sglang#34262, model support PR #3) until merged upstream.

sglang serve \
  --model-path RadixArk/Muse-Glimmer-NVFP4 \
  --reasoning-parser muse \
  --tool-call-parser muse \
  --language-model-only \
  --tp-size 1 \
  --mem-fraction-static 0.85 \
  --host 0.0.0.0 --port 30000

With speculative decoding (pairs with meta-models/Muse-Glimmer-30B-assistant):

sglang serve \
  --model-path RadixArk/Muse-Glimmer-NVFP4 \
  --reasoning-parser muse \
  --tool-call-parser muse \
  --language-model-only \
  --speculative-algorithm DFLASH \
  --speculative-draft-model-path meta-models/Muse-Glimmer-30B-assistant \
  --speculative-dflash-block-size 5 \
  --tp-size 1 \
  --mem-fraction-static 0.85 \
  --host 0.0.0.0 --port 30000

Hardware notes:

  • Fits a 32 GB RTX 5090 (the bf16 export does not).
  • DGX Spark / GB10 (unified memory): use --mem-fraction-static 0.40 (0.38 with DFlash). Higher fractions let the KV pool consume the shared CPU/GPU pool and can OOM the machine during load.
  • Sampling: temperature 0.95, top_p 1.0 (greedy only for determinism checks). Do not add <|eom|> (200007) as an EOS token — it breaks parallel tool calling; generation_config.json already carries the correct stops.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MuseGlimmerForConditionalGeneration
Ревизия весов
1416629

0 моделей