Instructions to use ModernoTech/Nova-Mini 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-Mini 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-Mini:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf ModernoTech/Nova-Mini: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-Mini:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf ModernoTech/Nova-Mini: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-Mini:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama cli -hf ModernoTech/Nova-Mini:Q4_K_M

Use Docker

docker model run hf.co/ModernoTech/Nova-Mini:Q4_K_M

Llama new
LM Studio
Jan
Ollama
How to use ModernoTech/Nova-Mini with Ollama:
```
ollama run hf.co/ModernoTech/Nova-Mini:Q4_K_M
```
Unsloth Desktop

How to use ModernoTech/Nova-Mini 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-Mini: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-Mini:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use ModernoTech/Nova-Mini with Docker Model Runner:
```
docker model run hf.co/ModernoTech/Nova-Mini:Q4_K_M
```

Lemonade

How to use ModernoTech/Nova-Mini with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull ModernoTech/Nova-Mini:Q4_K_M

Run and chat with the model

lemonade run user.Nova-Mini-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use ModernoTech/Nova-Mini 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-Mini: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-Mini:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use ModernoTech/Nova-Mini 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-Mini: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-Mini: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-Mini / performance /methodology.md

ModernoTech

Performance Lab phase 2: JSON, CSV, methodology, hardware reference, reproducible scripts and 7 PNG charts

2f54e3e verified 5 days ago

preview code

Raw History Blame Contribute Delete

2.29 kB

Metodología cuantitativa — Nova Mini 1.0

1. Alcance

Todos los valores de throughput son ESTIMADOS o NO VALIDADOS salvo la única medición publicada en la sección correspondiente. Los gráficos NO representan benchmarks ejecutados.

2. Variables

Convenio de unidades: 1 GiB = 1024³.
Payload activo Q4: params activos x 0.5 GiB/B x 1.10 (el 10 % adicional descarta parseo y metadata).
Ancho de banda de memoria (GiB/s) tomado de la tabla institucional.
SSD efectivo: 2.0 GiB/s, hipótesis de trabajo únicamente.
KV cache: tokens, capas, heads KV, dimension de head bytes/tokens por capa, ancho por head y precision KV.

3. Fórmulas

Límite convencional de memoria (tok/s) = memoria disponible (bytes/s) / payload activo (bytes/token).
Escenario MNE (tok/s) = SSD efectivo (bytes/s) / [payload activo x (1 − cache hit rate)].
Memoria ram convencional = pesos totales + KV + overhead fijo.
Memoria MNE = working set + KV + caché de expertos (capada) + overhead fijo.
KV memory = contexto x layers x kv_heads x head_dim x 2 (K y V) x 2 bytes (FP16).

4. Supuestos documentados

Los anchos de banda declarados son valores institucionales, no pruebas de laboratorio.
El disco de MNE opera a 2.0 GiB/s con latencia no medida.
La tasa de aciertos(cache hit rate) es hipotética entre 90 % y 99.9 %.
Para MoE, el ahorro de MNE depende de cache y prefetch; no se asume automáticamente.
API local de caché, predicción, tiempo de cold start y interferencia del OS no se modelan.
head_dim o layers para modelos sin config auditable se marcan como estimación/extrapolación.
Pesos parciales o tokens de contexto por encima de max_position se clasifican NO VALIDADO.

5. Convención de estados

MEDIDO: física reproducible con configuración exacta.
ESTIMADO: proyección matemática con supuestos.
NO VALIDADO: datos insuficientes.
Ningún número fuera de la sección MEDIDO puede presentarse como benchmark.

6. Resultado

Repo: ModernoTech/Nova-Mini
Archivo binario disponible: Nova-Mini-1.0-Q4_K_M.gguf
Bytes verificados HvF: 484220288
MNE cache miss list: 10 %, 5 %, 1 %, 0.5 %, 0.1 %.
Coincidencia esperada con remote charts: los PNGs se decodifican localmente antes de subirlos.