Instructions to use ModernoTech/Nova-Core with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use ModernoTech/Nova-Core with llama.cpp:
Install (macOS, Linux)
curl -LsSf https://llama.app/install.sh | sh # Start a local OpenAI-compatible server with a web UI: llama serve -hf ModernoTech/Nova-Core:Q4_K_M # Run inference directly in the terminal: llama cli -hf ModernoTech/Nova-Core:Q4_K_M
Install from WinGet (Windows)
winget install llama.cpp # Start a local OpenAI-compatible server with a web UI: llama serve -hf ModernoTech/Nova-Core:Q4_K_M # Run inference directly in the terminal: llama cli -hf ModernoTech/Nova-Core:Q4_K_M
Build from source code
git clone https://github.com/ggml-org/llama.cpp.git cd llama.cpp cmake -B build cmake --build build -j --target llama-app # Start a local OpenAI-compatible server with a web UI: ./build/bin/llama serve -hf ModernoTech/Nova-Core:Q4_K_M # Run inference directly in the terminal: ./build/bin/llama cli -hf ModernoTech/Nova-Core:Q4_K_M
Use Docker
docker model run hf.co/ModernoTech/Nova-Core:Q4_K_M
- Llama new
- LM Studio
- Jan
- vLLM
How to use ModernoTech/Nova-Core with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "ModernoTech/Nova-Core" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "ModernoTech/Nova-Core", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'Use Docker
docker model run hf.co/ModernoTech/Nova-Core:Q4_K_M
- Ollama
How to use ModernoTech/Nova-Core with Ollama:
ollama run hf.co/ModernoTech/Nova-Core:Q4_K_M
- Unsloth Desktop
- Pi
How to use ModernoTech/Nova-Core with Pi:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf ModernoTech/Nova-Core:Q4_K_M
Configure the model in Pi
# Install Pi: npm install -g @earendil-works/pi-coding-agent # Add to ~/.pi/agent/models.json: { "providers": { "llama-cpp": { "baseUrl": "http://localhost:8080/v1", "api": "openai-completions", "apiKey": "none", "models": [ { "id": "ModernoTech/Nova-Core:Q4_K_M" } ] } } }Run Pi
# Start Pi in your project directory: pi
- Docker Model Runner
How to use ModernoTech/Nova-Core with Docker Model Runner:
docker model run hf.co/ModernoTech/Nova-Core:Q4_K_M
- Lemonade
How to use ModernoTech/Nova-Core with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull ModernoTech/Nova-Core:Q4_K_M
Run and chat with the model
lemonade run user.Nova-Core-Q4_K_M
List all available models
lemonade list
- Hermes Agent
How to use ModernoTech/Nova-Core with Hermes Agent:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf ModernoTech/Nova-Core:Q4_K_M
Configure Hermes
# Install Hermes: curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash hermes setup # Point Hermes at the local server: hermes config set model.provider custom hermes config set model.base_url http://127.0.0.1:8080/v1 hermes config set model.default ModernoTech/Nova-Core:Q4_K_M
Run Hermes
hermes
- Atomic Chat
- OpenClaw
How to use ModernoTech/Nova-Core with OpenClaw:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf ModernoTech/Nova-Core:Q4_K_M
Configure OpenClaw
# Install OpenClaw: npm install -g openclaw@latest # Register the local server and set it as the default model: openclaw onboard --non-interactive --mode local \ --auth-choice custom-api-key \ --custom-base-url http://127.0.0.1:8080/v1 \ --custom-model-id "ModernoTech/Nova-Core:Q4_K_M" \ --custom-provider-id llama-cpp \ --custom-compatibility openai \ --custom-text-input \ --accept-risk \ --skip-health
Run OpenClaw
openclaw agent --local --agent main --message "Hello from Hugging Face"
File size: 1,738 Bytes
d276273 4752068 d2587d7 4752068 d2587d7 4752068 d2587d7 4752068 d2587d7 4752068 d2587d7 4752068 d2587d7 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 | # Metodología cuantitativa — Nova Core 2.0
## 1. Alcance
Los valores de la fase 2 son **ESTIMADOS** o **NO VALIDADOS**. Ningún throughput de prefill/decode medido se expone como máximo comercial del producto.
El resultado de 225 tok/s para la configuración de 16 GB de memoria unificada está clasificado como `OWNER_REPORTED_RESULT`; no se publica como benchmark independiente porque su entorno, runtime, contexto, batch y método de medición no están documentados de forma auditable.
## 2. Variables y fórmulas
- Límite convencional = ancho de banda disponible / payload activo.
- Escenario MNE = ancho de banda efectivo de SSD / (payload activo × porcentaje de miss).
- Memoria = pesos totales + KV + overhead fijo en la ruta convencional.
- Memoria MNE = working set + KV + caché de expertos (capada) + overhead fijo.
- KV = contexto × capas × cabezas KV × dimensión de head × 2 × 2 bytes (FP16).
## 3. Supuestos y límites
- Los anchos de banda de RAM son valores institucionales, no mediciones de laboratorio.
- SSD asumido: 2.0 GiB/s, sin latencia medida.
- Tasas de cache: 90 % a 99.9 %, hipótesis de trabajo.
- Contextos superiores al máximo documentado se marcan `NO VALIDADO`.
- La degradación 11–13 tok/s en contextos cercanos a 147K es un escenario informado, no una medición universal.
- Las referencias de entorno publicadas son de stacks distintos y no se atribuyen a Nova Core como ocho benchmarks independientes.
## 4. Actualización del artefacto
- Artefacto: `Nova-Core-2.0-Q4_K_M.gguf`
- Tamaño: 3.009.448.896 bytes
- SHA-256: `c9213a33b16d513482790bb7092243f783a450e35f7deca584a41e0470afdb97`
- La operación de renombrado se hizo server-side con LFS, conservando el contenido binario.
|