/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
K2-Horizon-MoVA-36B-A4B
Библиотека
gguf
Опубликована
3 сен 2026

K2-Horizon-MoVA-36B-A4B-GGUF

Генерация текстаТекст → текст5 профессий

K2-Horizon-MoVA-36B-A4B GGUF — набор GGUF-квантизаций модели IFM/K2-Horizon-MoVA-36B-A4B, опубликованный пользователем darioooooo0o.

126скачиваний за 30 дней0лайковвеса обновлены3 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

Модель предназначена для генерации текста и локального запуска через llama.cpp, включая сценарии на потребительских видеокартах с переносом части экспертных весов в оперативную память или на CPU.

Модель использует архитектуру MoVA (mixture-of-value attention) и разреженную Mixture-of-Experts конфигурацию: 100 экспертов, из которых активны 8. Заявлен контекст до 512K токенов. Доступны варианты квантизации Q3_K_M, Q4_K_S, Q4_K_M, Q5_K_M и Q8_0 размером примерно от 16,9 до 39 ГБ. README не указывает поддерживаемые языки и мультимодальные возможности.

Сильная сторона модели — большой контекст и возможность запуска в компактных квантизированных форматах, в том числе на GPU с 12 ГБ видеопамяти при частичном CPU/RAM-offload. Ограничение заключается в необходимости использовать специальную ветку k2-official llama.cpp или совместимую сборку: основная ветка llama.cpp архитектуру k2-horizon не поддерживает. Квантизации выполнены как обычные K-quants из F16 без imatrix. Распространение разрешено по лицензии Apache-2.0.

Для каких профессий подходит5

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

K2-Horizon-MoVA-36B-A4B GGUF quants

X

Requests, questions or suggestions? Message me on X: https://x.com/imdariotoo

GGUF quantizations of IFM/K2-Horizon-MoVA-36B-A4B (MoVA mixture-of-value attention, 100 experts / 8 active, 512K context).

Converted with the official k2-official llama.cpp branch (MBZUAI-IFM port, commit 35999d101).

Files

FileQuantSize
k2horizon-q3_k_m.ggufQ3_K_M~16.9 GB
k2horizon-q4_k_s.ggufQ4_K_S~18.7 GB
k2horizon-q4_k_m.ggufQ4_K_M~20.8 GB
k2horizon-q5_k_m.ggufQ5_K_M~25.4 GB
k2horizon-q8_0.ggufQ8_0~39 GB

Requirements

Use a llama.cpp build from the k2-official branch of MBZUAI-IFM/llama.cpp (or anything that merges that port). Mainline llama.cpp does NOT support the k2-horizon architecture.

Usage

llama-server -m k2horizon-q4_k_m.gguf -ngl 99 --n-cpu-moe 42 -c 8192 -b 4096 -ub 2048 -t 32

On consumer GPUs (12 GB VRAM class), keep attention on GPU and let expert weights spill to CPU/RAM via --n-cpu-moe N. Lower N = more expert layers on GPU = more VRAM used, faster decode. Tune N until your VRAM budget is respected. -ub 2048 matters for prefill throughput on the CPU-offload path.

Notes

  • Plain K-quants from F16, no imatrix.
  • All quants verified loading and generating on RTX 3060 12GB with the offload config above.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
d2b2e91

0 моделей