/ Модель

Характеристики

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

Muse-Glimmer-q4km-gs128-MLX

Генерация текстаТекст → текст10 профессий

Квантованная текстовая модель Muse Glimmer в формате MLX для генерации текста и диалогов на устройствах Apple Silicon.

361скачиваний за 30 дней2лайкавеса 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

RadixArk/Muse-Glimmer-q4km-gs128-MLX — текстовая версия Muse Glimmer для устройств Apple Silicon, подготовленная RadixArk в формате MLX. Это перепаковка весов из GGUF-релиза Muse Glimmer 30B: коды квантования сохранены, а масштабы групп представлены в формате MLX. Модель имеет плотную архитектуру Muse Glimmer примерно на 27 млрд параметров и контекст до 131 072 токенов; карточка указывает поддержку чата и интерфейса вызова инструментов.

Модель предназначена для генерации текста и диалогового использования, включая сценарии с вызовом инструментов. README рекомендует запускать её через MLX-бэкенд SGLang на Mac с Apple Silicon и не менее чем 48 ГБ объединённой памяти. В README приведены результаты GSM8K и CIMemories, полученные на одной конфигурации оборудования; для CIMemories указано, что оценка проведена в одном испытании.

Модель принимает и выдаёт только текст; путь обработки изображений в MLX-бэкенде отсутствует. Это квантованная производная модель на основе meta-models/Muse-Glimmer-30B-GGUF. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • диалоговое общение с локально запущенной моделью
  • генерация ответов и продолжений текста
  • решение математических задач в формате GSM8K
  • ведение диалога с вызовом инструментов через поддерживаемый интерфейс

Ограничения

Модель работает только с текстом; визуальный ввод через MLX-бэкенд не поддерживается. Запуск требует Apple Silicon и по README рекомендуется не менее 48 ГБ объединённой памяти; результаты CIMemories основаны на одном испытании.

Для каких профессий подходит10

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_K_M (gs128)

Overview

An Apple Silicon (MLX) checkpoint of Muse Glimmer, produced as a code-preserving repack of the vendor's llama.cpp GGUF muse-glimmer-30B-kquant-17gb.gguf. Every weight keeps the GGUF's exact quantization code; only the group scales are re-expressed in MLX affine form. 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 GGUF release → gguf_weights/muse-glimmer-30B-kquant-17gb.gguf (sha256 7e9b74b7…), revision aa336138… (the 2026-08-10 "definitive Muse Glimmer 30B GGUFs" re-publish; its quantized payload is byte-identical to the earlier the previous vendor GGUF — this repack's tensors are bit-identical to the previous revision of this repo, so all evaluation results below are unchanged)
  • Format: MLX-quantized safetensors, 4 shards (~17 GB); tokenizer / config / chat template from the vendor HF export
  • Quantization: Q4_K blocks → 4-bit affine; Q6_K (attn_v, ffn_down) → 6-bit affine group-128 via lossless sub-scale run merge (13,671,424 superblocks hard-asserted, zero violations, no requantization); Q5_K lm_head → 5-bit group-128
  • Fidelity: quantization codes bit-identical to the GGUF; recombined scales stored as bf16 (≤2⁻⁸ relative rounding)
  • 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), with the vendor llama.cpp fork serving the source GGUF on the same machine as the reference. GSM8K: 200 questions, no-thinking chat template, temperature 0. CIMemories: single trial, DeepSeek-R1-0528 judge (single-trial judge variance applies).

BenchmarkThis checkpoint (SGLang MLX)llama.cpp, same GGUF
GSM8K0.9700.970
CIMemories violation (lower better)0.00%8.27%
CIMemories coverage (higher better)76.0%68.4%

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

Batch size12468
Decode tok/s (aggregate)15.327.246.546.852.6

Ahead of llama.cpp on the same GGUF codes at every batch size above 1 (llama.cpp: 16.1 → 37.3 tok/s).

Serving with SGLang

SGLANG_USE_MLX=1 SGLANG_MLX_CACHE_LIMIT_GB=8 \
python -m sglang.launch_server \
  --model-path RadixArk/Muse-Glimmer-q4km-gs128-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.

Класс архитектуры
MuseGlimmerForConditionalGeneration
Ревизия весов
b6ed234

0 моделей