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 / README.md

ModernoTech

Finalize README integration of Nova legal documents and provenance references

fc7992b verified 4 days ago

preview code

Raw History Blame Contribute Delete

7.38 kB

metadata

language:
  - es
  - en
pretty_name: Nova Core 2.0 — Moderno Tech
model_name: Nova Core 2.0
model_creator: Moderno Tech
tags:
  - moderno-tech
  - nova
  - nova-core
  - text-generation
  - gguf
  - conversational
license: other
inference: false

Nova Core 2.0

Moderno Tech — Nova

Nova Core 2.0 es el modelo de lenguaje conversacional insignia de Moderno Tech, publicado bajo la identidad comercial Nova. Su propósito es ofrecer inferencia local recusable, documentación verificable y transparencia técnica sin afirmaciones injustificadas de origen o rendimiento.

Descripción comercial

Moderno Tech presenta Nova Core 2.0 como parte de la familia Nova. La identidad comercial, la presentación y la experiencia del producto pertenecen a Moderno Tech. El repositorio publica el artefacto original bajo un nombre consolidado y una documentación orientada a usuarios técnicos, integradores y entornos locales.

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

Capacidades del modelo

Conversación general y asistencia técnica.
Reescritura, resumen y análisis de texto.
Integración a herramientas locales basadas en GGUF.
Ejecución en hardware personal, estaciones de trabajo y servidores privados.
Escalado de contexto según runtime, memoria y configuración.
Flujo de despliegue verificable mediante hashes, tamaños y referencias públicas.

Especificaciones técnicas verificadas

Campo	Valor verificado
Artefacto	`Nova-Core-2.0-Q4_K_M.gguf`
Formato	GGUF
Cuantización	Q4_K_M
Tamaño exacto	3.009.448.896 bytes
SHA-256 exacto	`c9213a33b16d513482790bb7092243f783a450e35f7deca584a41e0470afdb97`
Arquitectura	Transformer denso, 35 bloques y 4,6B parámetros
Parámetros	4.6B, etiqueta interna `size_label`
Bloques	35
Embedding	1.536
Dimensión de atención	512 por cabecera, key y value
Cabezas de atención	8
Cabezas KV	1
Contexto nativo	131.072 tokens
Ventana deslizante	512 tokens
Parámetros KV compartidos	20 capas comparten KV
Rango de feed-forward	6.144 en 15 capas iniciales y 12.288 en 20 capas finales
Licencia declarada del repositorio	`other`
Reproducibilidad	Artefacto único verificable mediante tamaño y SHA-256

Arquitectura y parámetros

Componente	Verificación
Bloques transformer	35
Longitud de embedding	1.536
Feed-forward	6.144 / 12.288 según capa
Atención	8 cabezas, 1 cabecera KV
Caché KV	512 para atención estándar; 256 para SWA
Ventana de contexto	131.072 tokens
Mecanismo RoPE	Configuración verificada en los metadatos internos
Quantization version	2

Cuantización Q4_K_M

La cuantización Q4_K_M corresponde al formato compacto binario publicado y se mantiene intacta desde la operación de renombrado.

No se regeneró el GGUF.
No se modificaron tensores.
No se alteraron los metadatos internos.
No se cambió el SHA-256.
El SHA-256 del artefacto original y del artefacto nuevo es idéntico: c9213a33b16d513482790bb7092243f783a450e35f7deca584a41e0470afdb97.

Ocupación de memoria y limitaciones

El tamaño del archivo no representa por sí solo la memoria total de ejecución. En runtime, la memoria real depende de:

Pesos residentes del modelo.
Longitud de contexto.
KV cache.
Runtimes CPU, GPU o Metal.
Ubacht, batches y prefetch.
Memoria del sistema operativo, swaps y buffers.
Arquitectura de red o interfaz WebGPU, cuando corresponda.

Rendimiento

225 tok/s — RESULTADO INFORMADO POR EL PROPIETARIO

Hardware	Memoria	Resultado
MacBook Air M4	16 GB unificada	225 tok/s

Clasificación: OWNER_REPORTED_RESULT.

Este valor fue informado directamente por el propietario de Nova Core. No se incorpora una configuración interna adicional, porque el runtime, el contexto, el batch, la cuantización activa y el método de medición no están documentados en este repositorio. No se rechazan ni se rebajan los 225 tok/s por comparación con ejecuciones anteriores.

Ruido de ejecución anterior

Los valores de una ejecución anterior de llama-cli sobre CPU, con carga sin aceleración gráfica y contexto 512, quedan excluidos de la presentación comercial. Esa ejecución no define el máximo del producto ni el caso de uso optimizado.

Performance Reference — Execution Environments

Entorno	Rendimiento informado	Condición
Apple Silicon, inferencia WebGPU	~255 tok/s	Referencia de ejecución WebGPU optimizada
Apple Silicon, MLX / optimizaciones avanzadas	60–90 tok/s	Frameworks nativos y optimizaciones
Apple Silicon, LM Studio / Ollama / llama.cpp	24–28 tok/s	Inferencia local tradicional
GPU dedicada, generación estándar	39–40 tok/s	Ejecución sobre GPU dedicada
GPU dedicada, MTP	70–80 tok/s	Multi-Token Prediction
GPU dedicada, procesamiento de entrada	Hasta 141 tok/s	Prompt ingestion / batching optimizado
CPU convencional	10–15 tok/s	Procesamiento sin aceleración gráfica
Dispositivo móvil de gama alta	~20 tok/s	Inferencia local on-device

Estos valores son referencias de entornos y stacks distintos. No presentan ocho benchmark independientes de Nova Core, no atribuyen los 255 tok/s a una prueba del MacBook Air M4 de 16 GB, no mezclan prefill con decode y no utilizan resultados de GPU dedicada como si fueran del equipo portátil.

Degradación y límites de comparación

La referencia que sitúa la degradación en 11–13 tok/s hacia contextos cercanos a 147K corresponde a un escenario informado para determinadas configuraciones. No es una medición universal del modelo.

El rendimiento observado siempre depende de:

Hardware y bandwidth disponible.
Runtime elegido.
Aceleración CPU, GPU, Metal o WebGPU.
Contexto activo y KV cache.
Tamaño de batch y ubatch.
Memoria disponible y swap.
Optimizaciones de generación.
Cuellos de botella del runtime

Animación de inferencia

Licencia y avisos legales

Las licencias y obligaciones legales quedan preservadas. Este repositorio no declara ni modifica licencias del artefacto. Los metadatos internos y las atribuciones del archivo original permanecen intactos.

El material se ofrece bajo la clasificación de licencia informada por el repositorio: other. Antes de redistribución, integración comercial o despliegue, se recomienda revisar los términos aplicables del artefacto original y los avisos legales incorporados en sus metadatos.

Moderno Tech no afirma haber entrenado los pesos del modelo desde cero mientras no exista evidencia verificable que lo respalde.

Las características del repositorio se presentan sin asociar la identidad comercial a fabricantes externos.

Documentación legal

MODEL-CARD.md
MODERNO-TECH-LICENSE.md
MODERNO-TECH-TERMS.md
MODERNO-TECH-DISCLAIMER.md
THIRD_PARTY_NOTICES/README.md

Sitio oficial: https://moderno.com.ar