/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
23,4 ГБ
Лицензия
Apache 2.0
Архитектура
muse_glimmer · dense
Базовая модель
Muse-Glimmer-30B
Библиотека
transformers
Опубликована
10 авг 2026

Muse-Glimmer-30B-NVFP4

Изображение и текст → текст9 профессий

RedHatAI/Muse-Glimmer-30B-NVFP4 — мультимодальная генеративная модель, разработанная RedHatAI на основе meta-models/Muse-Glimmer-30B.

3 008скачиваний за 30 дней18лайковвеса 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 текстовые и графические входные данные и генерирует текст, поэтому предназначена для задач image-text-to-text, мультимодального диалога и инференса с визуальным контекстом. Архитектура указана как MuseGlimmerForConditionalGeneration; точное число параметров базовой модели в README не приведено, но идентификатор указывает на 30B.

Модель оптимизирована для инференса с vLLM и использует NVFP4-квантизацию весов и активаций. Квантизуются линейные операторы внутри transformer-блоков, а vision-компоненты, lm_head и embed_tokens исключаются. Переход с 16 на 4 бита уменьшает размер на диске и требования к памяти GPU примерно на 75%, что является ключевым преимуществом для развертывания. README не указывает поддерживаемые языки, размер контекста и количественные показатели качества; приведённый пример калибровки использует последовательности длиной до 2048 токенов, но это не заявленный максимальный контекст модели.

Для обслуживания рекомендуется vLLM с поддержкой мультимодального инференса, автоматического выбора инструментов и специализированных reasoning- и tool-call-парсеров. Квантизация может снижать точность по сравнению с исходной моделью, однако конкретное влияние в README не измерено. Модель распространяется по лицензии Apache-2.0.

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-30B-NVFP4

Model Overview

  • Model Architecture: MuseGlimmerForConditionalGeneration
    • Input: Text / Image
    • Output: Text
  • Model Optimizations:
    • Weight quantization: FP4
    • Activation quantization: FP4
  • 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 FP4 (NVFP4) data type, 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 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-NVFP4 \
    --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 NVFP4 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"

NUM_CALIBRATION_SAMPLES = 1024
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="NVFP4",
    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] + "-NVFP4"
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
e83ead5

0 моделей