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

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

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"

Nova-Core / MODEL-CARD.md

ModernoTech

Add Nova Model Card with verified GGUF architecture and status

8620766 verified 4 days ago

preview code

Raw History Blame Contribute Delete

3.03 kB

metadata

language:
  - es
  - en
pretty_name: Nova Core 2.0 — Modelo central de la familia Nova
model_name: Nova Core 2.0
model_creator: Moderno Tech
tags:
  - moderno-tech
  - nova
  - nova-core
  - gguf
  - conversational
license: other
inference: false

Nova Core 2.0

Moderno Tech — Nova

Nova Core 2.0 es el modelo denso, de capacidad media, destinado a asistencia general cotidiana en entornos locales o servidores.

Identidad del modelo

Marca: Moderno Tech.
Familia: Nova.
Producto: Nova Core 2.0.
Sitio oficial: https://moderno.com.ar.

Qué destaca de Nova Core

Artefacto GGUF consolidado: Nova-Core-2.0-Q4_K_M.gguf.
Contexto amplio y arquitectura densa con mayor capacidad que Mini o Nano.
Documentación verificable: tamaño, SHA-256, arquitectura y estado de rendimiento separados por categoría.
Artefacto verificado de 3,009,448,896 bytes.
Cabezas de atención y KV documentados directamente desde el artefacto GGUF.

Datos técnicos verificados

Formato: GGUF.
Cuantización: Q4_K_M.
Tamaño del artefacto: 3,009,448,896 bytes.
SHA-256: c9213a33b16d513482790bb7092243f783a450e35f7deca584a41e0470afdb97.
Parámetros totales: aproximadamente 4.6B.
Parámetros activos: los mismos, al tratarse de un modelo denso.
Arquitectura: 35 bloques.
Embedding: 1536.
Feed-forward: 6144 en 15 capas iniciales y 12288 en las 20 restantes.
Atención: 8 cabezas, 1 cabeza KV.
Ventana deslizante: 512 tokens.
Contexto nativo documentado en los metadatos: 131072 tokens.
Parámetros KV compartidos: 20 capas.

Compatibilidad

Runtime objetivo: llama-cli compatible con GGUF.
Configuraciones documentadas históricamente con -ngl 0 no deben interpretarse como medición representativa ni como máximo de rendimiento del producto.

Rendimiento verificado y no inventado

Medición limitada, CPU y contexto 512, la cual no debe usarse como rendimiento representativo ni máximo.
Resultado owner-reported para libro M4, 16 GB, identificado como OWNER_REPORTED_RESULT: 225 tok/s.
No existe una medición completa de banda continua para todos los contextos y runtimes.
performance/ contiene fórmulas, datos estructurados y estimaciones explícitamente clasificadas.

Limitaciones conocidas

El rendimiento depende de hardware, -ngl, contexto, KV cache y runtime.
El tamaño del GGUF no equivale a la memoria total consumida en ejecución.
La licencia y procedencia del origen deben revisarse antes de cualquier distribución derivada.
No se afirma entrenamiento desde cero.

Licencia y procedencia

Artefacto publicado bajo licencia other.
Procedencia documentada en el repositorio, preservando avisos y metadatos internos.
Los términos heredados de la base informada deben consultarse antes de ampliar derechos.

Uso recomendado

Asistencia conversacional general, resumen, análisis de texto acotado y entornos donde se necesita mayor capacidad que en modelos de 0.3B a 0.8B, con validación real del hardware disponible.