/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
34,4 ГБ
Лицензия
Apache 2.0
Архитектура
muse_glimmer · dense
Базовая модель
Muse-Glimmer-30B
Библиотека
transformers
Опубликована
10 авг 2026

Muse-Glimmer-30B-FP8-block

Изображение и текст → текст7 профессий

Muse-Glimmer-30B-FP8-block — мультимодальная модель условной генерации, разработанная RedHatAI на основе meta-models/Muse-Glimmer-30B.

61 829скачиваний за 30 дней13лайковвеса обновлены18 сен 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

Она принимает текст и изображения, а генерирует текст, поэтому предназначена для задач мультимодального анализа и вывода, включая сценарии, поддерживаемые базовой моделью и совместимые с vLLM.

Модель использует архитектуру MuseGlimmerForConditionalGeneration и посттренировочное квантование весов и активаций в формате FP8 W8A8 block. Квантованы линейные операторы внутри transformer-блоков, а vision-компоненты, lm_head и embedding-слои исключены из квантования. По сравнению с 16-битным представлением это примерно вдвое уменьшает размер модели на диске и требования к GPU-памяти. README не указывает число параметров базовой модели, поддерживаемые языки и размер контекста.

Модель оптимизирована для инференса с vLLM и поставляется в формате compressed-tensors; заявлена поддержка мультимодального инференса, tensor parallelism, tool calling и reasoning parser в vLLM. Квантование выполнено с помощью LLM Compressor по схеме FP8_BLOCK без калибровочных данных, что упрощает подготовку модели, но может влиять на точность по сравнению с исходной версией. Лицензия — Apache-2.0.

Для каких профессий подходит7

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-FP8-block

Model Overview

  • Model Architecture: MuseGlimmerForConditionalGeneration
    • Input: Text / Image
    • Output: Text
  • Model Optimizations:
    • Weight quantization: FP8
    • Activation quantization: FP8
  • Release Date: 2026-08-10
  • Version: 1.0
  • Model Developers: RedHatAI

This model is a quantized version of meta-models/Muse-Glimmer-30B.

Model Optimizations

This model was obtained by quantizing the weights and activations of meta-models/Muse-Glimmer-30B to FP8 (W8A8 block) data type, ready for inference with vLLM.

This optimization reduces the number of bits per parameter from 16 to 8, reducing the disk size and GPU memory requirements by approximately 50%.

Only the weights and activations of the linear operators within transformer blocks are quantized using LLM Compressor.

Deployment

vLLM Serving

docker run --gpus all \
    --privileged --ipc=host -p 8000:8000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    vllm/vllm-openai:muse-glimmer RedHatAI/Muse-Glimmer-30B-FP8-block \
    --generation-config auto \
    --tensor-parallel-size 1 \
    --enable-auto-tool-choice \
    --tool-call-parser muse_glimmer \
    --reasoning-parser muse_glimmer

For detailed instructions including multi-GPU deployment, multimodal inference, etc see the Muse-Glimmer 30B vLLM usage guide.

Creation

This model was created by applying LLM Compressor with the FP8_BLOCK scheme in model-free post-training quantization (no calibration data required), exported in compressed-tensors format.

from llmcompressor import model_free_ptq

MODEL_ID = "meta-models/Muse-Glimmer-30B"
SAVE_DIR = MODEL_ID.rstrip("/").split("/")[-1] + "-FP8-block"

model_free_ptq(
    model_stub=MODEL_ID,
    save_directory=SAVE_DIR,
    scheme="FP8_BLOCK",
    ignore=["re:.*vision.*", "lm_head", "re:.*embed_tokens.*"],
    max_workers=15,
    device="cuda:0",
)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
MuseGlimmerForConditionalGeneration
Ревизия весов
1deb464

0 моделей