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"

ModernoTech commited on 4 days ago

Commit

8620766

verified ·

1 Parent(s): 4952785

Add Nova Model Card with verified GGUF architecture and status

Browse files

Files changed (1) hide show

MODEL-CARD.md +84 -0

MODEL-CARD.md ADDED Viewed

	@@ -0,0 +1,84 @@

+---
+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.
+---