/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Muse-Glimmer-30B
Библиотека
gguf
Опубликована
11 авг 2026

Muse-Glimmer-30B-Abliterated-GGUF

Изображение и текст → текст15 профессий

Muse-Glimmer-30B-Abliterated-GGUF — экспериментальная версия 30-миллиардной агентной on-device-модели Muse Glimmer, разработанная Blackfrost на базе meta-models/Muse-Glimmer-30B от Meta.

1 458скачиваний за 30 дней2лайкавеса обновлены5 окт 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 распространяется в формате GGUF для локального запуска через llama.cpp на одной потребительской видеокарте или CPU, полностью офлайн. Вариант abliterated получен изменением весов, направленным на удаление отказов модели; заявленные тесты на 450 запросах показали отсутствие истинных отказов, однако эти результаты относятся к родительской модели и могут не отражать все сценарии использования.

Архитектура muse_glimmer включает 52 слоя, скрытое пространство размером 6656, GQA с 32 query- и 2 key/value-головами, sliding-window attention и vision tower. Поддерживаются текстовые и визуальные входы, при этом для обработки изображений требуется отдельный mmproj-проектор. Контекстное окно составляет 131 072 токена. Доступны квантизации от Q2_K до Q8_0 размером примерно от 10 до 27,6 ГБ; рекомендуемым балансом качества и размера назван Q4_K_M. Для ускорения генерации предусмотрен DFlash drafter со speculative decoding в llama-server.

Модель предназначена для локальных агентных, мультимодальных, кодовых и общих диалоговых сценариев, включая работу в условиях ограниченного или отсутствующего сетевого доступа. К сильным сторонам относятся большое контекстное окно, локальная работа, широкий выбор квантизаций и поддержка спекулятивного декодирования. Ограничения включают экспериментальный статус, необходимость совместимой свежей версии llama.cpp, значительные требования к памяти, а также потенциальные риски и непредсказуемость поведения из-за удаления защитных отказов. Базовая модель и производная распространяются по лицензии Apache-2.0.

Для каких профессий подходит15

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

UoOQg


Refusal benchmark

Measured on the abliterated parent (GGUF quants inherit this behavior):

MetricResult
True refusal (harmful, n=300)0 / 300 = 0.0%
True refusal (full 450)0 / 450 = 0.0%
Substring-harmful0 / 300
Substring-all2 / 450 (XSTest false positives)
Errors0

The in-place weight change removes the refusal direction cleanly with no measured true refusals across the full 450-prompt suite.


Why this model exists

Muse Glimmer is Meta Superintelligence Labs' 30B agentic, on-device model. This is the abliterated build — the refusal direction removed via an in-place residual-write weight change — packaged as GGUF for llama.cpp, so it runs on a single consumer GPU or CPU, fully offline. The local footprint is the product.


Specifications

Architecturemuse_glimmer — dense, 52 layers, hidden 6656, GQA (32 q / 2 kv), sliding-window attention, + vision tower
Basemeta-models/Muse-Glimmer-30B — Meta, Apache-2.0
TransformAbliteration only — in-place residual-write weight change (attn o_proj + mlp.down_proj), α=1.5 × 3 iterative passes. Vision / gates / norms untouched.
FormatsGGUF — Q2_K, Q3_K_S, Q3_K_M, Q4_K_S, Q4_K_M, Q5_K_S, Q5_K_M, Q6_K, Q8_0
Context131,072
Spec-decodeDFlash drafter — --spec-type draft-dflash --spec-draft-n-max 15
Default personaShips with the "AI assistant" system template baked in

Quant ladder

quantsizerecommended for
Q2_K10.0 GBsmallest, quality trade-off
Q3_K_S11.7 GBvery tight VRAM
Q3_K_M12.7 GBtight VRAM
Q4_K_S15.0 GB16 GB cards
Q4_K_M15.8 GBdefault — balanced, fits 24 GB
Q5_K_S18.0 GBhigher quality
Q5_K_M18.5 GBstrong quality/size balance
Q6_K21.3 GBnear-lossless
Q8_027.6 GBmax fidelity

Vision & speculative-decode files

Load a text quant plus an mmproj projector for image input:

filesizepurpose
mmproj-Muse-Glimmer-30B-Abliterated-F16.gguf3.6 GBvision projector — full precision
mmproj-Muse-Glimmer-30B-Abliterated-Q8_0.gguf1.9 GBvision projector — compact
dflash-Muse-Glimmer-30B-Abliterated-F16.gguf4.8 GBDFlash drafter — speculative decoding

Serving (llama.cpp) — confirmed settings

Requires a recent llama.cpp (master) with llama-server. DFlash runs under llama-server only — it shares the target model's context, so it does not work in llama-cli.

Recommended — with DFlash speculative decoding (~1.6× faster, identical output):

llama-server \
  -m  Muse-Glimmer-30B-Abliterated-Q8_0.gguf \
  -md dflash-Muse-Glimmer-30B-Abliterated-F16.gguf \
  --spec-type draft-dflash --spec-draft-n-max 15 \
  -ngl 999 -ngld 999 -fa on --jinja \
  --host 0.0.0.0 --port 8080 -c 16384 \
  --temp 1.0 --top-p 0.95 --top-k 64
  • Plain (no drafter): drop -md, --spec-type, --spec-draft-n-max, and -ngld.
  • Multimodal (image input): add --mmproj mmproj-Muse-Glimmer-30B-Abliterated-F16.gguf.
  • One-command kit: deploy/serve.sh auto-downloads + serves; full guide in deploy/DEPLOYMENT.md.

Confirmed settings

  • Sampling: temperature 1.0, top_p 0.95, top_k 64 (Meta). Steer depth with a Reasoning strength: low/medium/high/xhigh system line.
  • max_tokens ≥ 1024 — heavy thinker; small budgets return empty content because the reasoning channel consumes them. Reasoning arrives in reasoning_content, the answer in content.
  • --spec-draft-n-max 15 — DFlash block size (trained 16, clamped).
  • Flash attention: -fa on for peak speed; switch to -fa off if the load hangs on a brand-new GPU paired with an older CUDA toolkit.

Measured performance

1× NVIDIA RTX PRO 6000 (Blackwell), Q8_0, -fa off:

configdecode tok/sspeedup
baseline~461.0×
+ DFlash~731.6×

Speedup rises with -fa on and structured/code output (Meta reports up to 3.1× on an RTX 5090).


Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
5d49dbd

0 моделей