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"
|
Download MODEL-CARD.md from ModernoTech/Nova-Core: direct link, hf CLI and curl.
- Browser
- Download file 3.03 kB
-
https://huggingface.co/ModernoTech/Nova-Core/resolve/main/MODEL-CARD.md
- Command line
-
hf download hf://ModernoTech/Nova-Core/MODEL-CARD.md
-
curl -L -o MODEL-CARD.md https://huggingface.co/ModernoTech/Nova-Core/resolve/main/MODEL-CARD.md
3.03 kB
| 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. | |
| --- | |