Accueil›Modèles›muse-glimmer-30b
muse-glimmer-30b
Architecture dense52 CouchesLicence apache-2.0Contexte maximal 128kVocabulaire 202.048
En Q4_K_M, c’est un fichier de 15,61 Gio, et il tient sur 12 des 18 machines que nous mesurons (celle qui a le moins de mémoire : Mac avec M4 Pro et 24 Go). Ici, c’est le fichier qui remplit la mémoire : même à son contexte maximal de 128k tokens, le contexte ajoute 1,70 Gio — et le même contenu demande en français 1,28 fois autant de tokens qu’en anglais (en allemand, 1,30 fois).
Taille du modèle en Q4_K_M
Mesuré par Local AI Scope
Mémoire de contexte à 8k tokens
Mesuré par Local AI Scope
Ce que coûte l’allemand face à l’anglais
Mesuré par Local AI Scope
Vidéos : muse-glimmer-30b 3
Les meilleures démonstrations que nous avons trouvées. Appuyez et la vidéo s’ouvre ici.
Les vidéos sont sur YouTube et rien ne se charge depuis YouTube tant que vous n’appuyez pas (mode sans cookies). La miniature est servie par nous.
Tailles des fichiers publiés
Ce sont les tailles des fichiers réellement publiés par son auteur, additionnées lorsque le modèle est livré en plusieurs parties. Pas une estimation à partir du nombre de paramètres.
| Compression | Taille du modèle |
|---|---|
Q4_K_M |
15,61 GiB |
Ce modèle lit aussi les images. Il lui faut pour cela un second fichier, le projecteur de vision (mmproj-Muse-Glimmer-30B-Q4_K_M.gguf, 1,30 Gio), publié à côté du modèle et non compté dans les chiffres de cette page : ils ne comptent que le texte. Si vous comptez lui envoyer des images, ajoutez-le à la taille du modèle.
Mémoire de contexte
Calculée à partir du schéma d’attention que ce modèle déclare couche par couche, et non de la formule générique. C’est pourquoi le chiffre est souvent bien inférieur à celui d’autres calculateurs.
- 8k tokens → 0,18 GiB
- 32k tokens → 0,48 GiB
- 128k tokens → 1,70 GiB
Ce qu’il coûte dans chaque langue
Mesuré en exécutant le tokenizer de ce modèle sur le même contenu dans quatre langues. Les tokens sont ce que l’on paie en contexte, en mémoire et sur la facture du cloud.
| Type de texte | EN | ES | FR | DE |
|---|---|---|---|---|
| Code | — | ×1,19 | ×1,32 | ×1,40 |
| Contrats | — | ×1,13 | ×1,23 | ×1,26 |
| Courriels d’entreprise | — | ×1,13 | ×1,21 | ×1,23 |
| Tickets d’assistance | — | ×1,21 | ×1,37 | ×1,26 |
L’anglais est la référence : chaque chiffre indique combien de fois plus de tokens coûte le même contenu dans cette langue. Moyenne sur tout le corpus: DE ×1,30.
Où il tient
Tenir signifie que le modèle, sa mémoire de contexte et la marge de travail tiennent au contexte indiqué, en laissant au système sa part. 12 sur les 18 machines testées (Q4_K_M, 8k tokens).
Avant de cliquer sur télécharger : au 7 octobre 2026, tous les programmes de notre liste prennent en charge ce modèle. llama.cpp l’ouvre depuis la compilation b10353, et toutes les versions stables parues depuis l’intègrent (le 16 octobre 2026, la dernière était la v0.7.0, du 15 octobre 2026) ; Ollama, depuis la 0.32.8 ; LM Studio le propose dans son propre catalogue, qui demande au moins 26 Go de mémoire système, et mlx-lm l’ouvre depuis la 0.32.0, pour le texte seulement. vLLM le prend en charge depuis la 0.28.0, mais il lui faut les poids d’origine en BF16 (55,46 Gio) dans la mémoire de la carte graphique : aucun PC de notre liste équipé d’une carte graphique n’a autant de VRAM, et sur Mac vLLM ne tourne que sur le CPU, à titre expérimental. Le tableau ne compte que le texte. Pour lui envoyer des images, il faut aussi charger le projecteur de vision (1,30 Gio), et le modèle brouillon DFlash, facultatif, qui accélère les réponses, ajoute 1,52 Gio ; Ollama charge le projecteur à chaque fois, même pour le texte. Avec l’un des deux, le Mac avec M4 Pro et 24 Go (21,00 Gio de mémoire unifiée pour le modèle) atteint 64k tokens de contexte au lieu de 128k, et avec les deux, 32k. La RTX 4090 de 24 Go (23,20 Gio de VRAM) atteint 128k avec les deux selon notre calcul, mais avec seulement 0,07 Gio de marge, trop peu pour s’y fier ; à 64k, il lui reste 2,08 Gio.