/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
22,2 ГБ
Лицензия
Apache 2.0
Архитектура
muse_glimmer · dense
Базовая модель
Muse-Glimmer-30B
Библиотека
transformers
Опубликована
11 авг 2026

Muse-Glimmer-30B-INT4

Изображение и текст → текст8 профессий

RedHatAI/Muse-Glimmer-30B-INT4 — мультимодальная условно-генерирующая модель, разработанная RedHatAI на основе meta-models/Muse-Glimmer-30B.

2 536скачиваний за 30 дней8лайковвеса 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 визуально-текстового анализа, диалога и других сценариев мультимодального вывода. Архитектура указана как MuseGlimmerForConditionalGeneration; точные сведения о языках и размере контекста в карточке не приведены.

Модель оптимизирована для инференса с помощью vLLM. Веса линейных операторов внутри transformer-блоков квантизированы в INT4 по схеме W4A16 GPTQ, тогда как активации сохраняют исходную точность; vision-компоненты, lm_head и embedding-слои не квантизировались. Это уменьшает число бит на параметр с 16 до 4, а размер на диске и требования к GPU-памяти — примерно на 75%, что является основным преимуществом при развертывании.

К ограничениям относятся возможное снижение качества из-за квантизации и зависимость от совместимой инфраструктуры vLLM и формата compressed-tensors. Доступны средства автоматического выбора инструментов и разбора рассуждений в vLLM, однако фактические возможности и качество базовой модели отдельно не описаны. Модель выпущена 11 августа 2026 года, версия 1.0, и распространяется по лицензии Apache-2.0.

Для каких профессий подходит8

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-INT4

Model Overview

  • Model Architecture: MuseGlimmerForConditionalGeneration
    • Input: Text / Image
    • Output: Text
  • Model Optimizations:
    • Weight quantization: INT4
    • Activation quantization: None
  • Release Date: 2026-08-11
  • 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 of meta-models/Muse-Glimmer-30B to INT4 data type while keeping activations in original precision, ready for inference with vLLM.

This optimization reduces the number of bits per parameter from 16 to 4, reducing the disk size and GPU memory requirements by approximately 75%.

Only the weights 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-INT4 \
    --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 calibration samples from open-perfectblend, using the W4A16 GPTQ scheme, exported in compressed-tensors format.

from compressed_tensors.offload import dispatch_model
from datasets import load_dataset
from transformers import (
    AutoProcessor,
    MuseGlimmerForConditionalGeneration,
)

from llmcompressor import oneshot
from llmcompressor.modifiers.gptq import GPTQModifier
from llmcompressor.utils import load_context

MODEL_ID = "meta-models/Muse-Glimmer-30B"

# Load model.
with load_context(MuseGlimmerForConditionalGeneration):
    model = MuseGlimmerForConditionalGeneration.from_pretrained(MODEL_ID)
processor = AutoProcessor.from_pretrained(MODEL_ID)

DATASET_ID = "mlabonne/open-perfectblend"
DATASET_SPLIT = "train"

# Select number of samples. 512 samples is recommended for GPTQ.
# Increasing the number of samples can improve accuracy.
NUM_CALIBRATION_SAMPLES = 512
MAX_SEQUENCE_LENGTH = 2048

# Load dataset and preprocess.
ds = load_dataset(DATASET_ID, split=f"{DATASET_SPLIT}")
ds = ds.shuffle(seed=42)

ROLE_MAP = {"human": "user", "gpt": "assistant"}


def preprocess(example):
    messages = [
        {"role": ROLE_MAP.get(msg["from"], msg["from"]), "content": msg["value"]}
        for msg in example["conversations"]
    ]
    return {
        "text": processor.apply_chat_template(
            messages,
            tokenize=False,
        )
    }


ds = ds.map(preprocess)


# Tokenize inputs.
def tokenize(sample):
    return processor.tokenizer(
        sample["text"],
        padding=False,
        max_length=MAX_SEQUENCE_LENGTH,
        truncation=True,
        add_special_tokens=False,
    )


ds = ds.map(tokenize, remove_columns=ds.column_names)

# Configure the quantization algorithm and scheme.
recipe = GPTQModifier(
    targets="Linear",
    scheme="W4A16",
    ignore=["re:.*vision.*", "lm_head", "re:.*embed_tokens.*"],
)

# Apply quantization.
oneshot(
    model=model,
    dataset=ds,
    recipe=recipe,
    max_seq_length=MAX_SEQUENCE_LENGTH,
    num_calibration_samples=NUM_CALIBRATION_SAMPLES,
)

print("\n\n")
print("========== SAMPLE GENERATION ==============")
dispatch_model(model)
input_ids = processor.tokenizer(
    "Hello my name is", return_tensors="pt"
).input_ids.to(model.device)
output = model.generate(input_ids, max_new_tokens=100)
print(processor.tokenizer.decode(output[0]))
print("==========================================\n\n")

# Save to disk in compressed-tensors format.
SAVE_DIR = MODEL_ID.rstrip("/").split("/")[-1] + "-INT4"
model.save_pretrained(SAVE_DIR)
processor.save_pretrained(SAVE_DIR)

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
397b1ee

0 моделей