/ Модель

Характеристики

Контекст
131 072 токена
Параметры
27 млрд
Размер весов
15,7 ГБ
Архитектура
muse_glimmer · dense
Базовая модель
Muse-Glimmer-30B
Библиотека
mlx
Опубликована
7 авг 2026

Muse-Glimmer-q4-MLX

Генерация текстаТекст → текст9 профессий

RadixArk/Muse-Glimmer-q4-MLX — это квантованный MLX-чекпойнт модели Muse Glimmer, преобразованный из BF16-экспорта поставщика.

2 108скачиваний за 30 дней12лайковвеса 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

Модель предназначена для запуска на компьютерах Apple Silicon через MLX-бэкенд SGLang и ориентирована на генерацию текста. Визуальный модуль отсутствует, поэтому модель поддерживает только текстовые сценарии.

Модель имеет плотную архитектуру размером 28B параметров и 52 слоя: 13 слоёв с полным вниманием без позиционных смещений и 39 слоёв со скользящим окном внимания размером 2048 токенов. Максимальный контекст составляет 131 072 токена. Используется 4-битное аффинное квантование MLX с размером группы 64; веса распределены по трём safetensors-фрагментам общим объёмом около 15 ГБ. В README не указаны языки, на которых модель обучалась.

Вариант позиционируется как самый компактный и быстрый среди MLX-вариантов Muse Glimmer. На M5 Pro с 64 ГБ объединённой памяти он показал 0,975 на GSM8K и скорость декодирования до 56,9 токена в секунду при пакетном размере 8. Ограничениями являются поддержка только Apple Silicon, необходимость примерно 48 ГБ объединённой памяти или более, а также ненулевая доля нарушений в тесте CIMemories: 11,28%. По сравнению с калиброванными вариантами этот чекпойнт обеспечивает более высокое покрытие, но менее строгий профиль конфиденциальности. Лицензия в README не указана.

Для каких профессий подходит9

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 — MLX q4 (group size 64)

Overview

An Apple Silicon (MLX) checkpoint of Muse Glimmer, quantized directly from the vendor's BF16 HF export (the vendor BF16 HF export) with MLX affine 4-bit quantization at group size 64. The smallest and fastest of the Muse Glimmer MLX variants. Serve it with SGLang's MLX backend on a Mac with 48 GB of unified memory or more. Text only — the MLX backend has no vision path.

Model Specifications

  • Source: the vendor BF16 HF export (BF16, text decoder; vision tower not included)
  • Format: MLX-quantized safetensors, 3 shards (~15 GB, 4.50 bits/weight); tokenizer / config / chat template from the vendor HF export
  • Quantization: MLX affine 4-bit, group size 64, uniform across the decoder
  • Conventions: NeoX-style rotary (matches the 20260806 vendor HF convention), raw embedding table with runtime norm
  • Architecture: 28B dense, 52 layers (13 full-attention NoPE + 39 sliding-window-2048), context 131,072
  • Modality: text only

Evaluation Results

Measured through SGLang MLX on an M5 Pro (64 GB). GSM8K: 200 questions, no-thinking chat template, temperature 0. CIMemories: single trial, DeepSeek-R1-0528 judge (single-trial judge variance applies). References on the same machine and protocol: vendor llama.cpp GGUF q4km-gs128 scored 0.970 GSM8K / 8.27% violation / 68.4% coverage.

BenchmarkThis checkpoint
GSM8K0.975
CIMemories violation (lower better)11.28%
CIMemories coverage (higher better)89.0%

Note: this is the one Muse Glimmer MLX variant not derived from the vendor's calibrated quantization recipes; it trades a nonzero CIMemories violation rate for the highest coverage and the best speed. For the strictest privacy profile use the gs128 or dynamic mirror.

Performance (M5 Pro 64 GB, 1k-in/1k-out greedy)

Batch size12468
Decode tok/s (aggregate)17.632.050.350.456.9

The fastest Apple Silicon configuration measured for this model on any runtime.

Serving with SGLang

SGLANG_USE_MLX=1 SGLANG_MLX_CACHE_LIMIT_GB=8 \
python -m sglang.launch_server \
  --model-path RadixArk/Muse-Glimmer-q4-MLX \
  --trust-remote-code \
  --reasoning-parser muse \
  --tool-call-parser muse \
  --disable-radix-cache \
  --mem-fraction-static 0.85 \
  --host 0.0.0.0 --port 30000

SGLANG_MLX_CACHE_LIMIT_GB=8 caps the MLX buffer cache (keeps the footprint within a 48 GB machine at no throughput cost). Keep --disable-radix-cache. See the Muse Glimmer page in the SGLang cookbook for the full deployment matrix.

Sibling checkpoints

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Класс архитектуры
MuseGlimmerForConditionalGeneration
Ревизия весов
4a4f54a

0 моделей