NYXIS-30B-A3B-GGUF
быстрая 30B MoE-модель для кода и логики на 6 ГБ VRAM
2 min readupdated
NYXIS-30B-A3B-GGUF — локальная языковая модель в формате GGUF от автора NoobieToPro для написания кода, математических расчётов и работы автономных агентов. Она построена на архитектуре MoE (Mixture-of-Experts — смесь экспертов, где на каждый токен активируется лишь часть нейросети): из 30 млрд параметров задействуются только 3,3 млрд. Благодаря гибридной выгрузке экспертов между GPU и CPU через llama-server и спекулятивному декодированию модель выдаёт качество уровня плотных 27B-моделей, но запускается даже на обычных ноутбуках с 6 ГБ видеопамяти. Подойдёт разработчикам, которым нужен быстрый локальный ассистент без мощных серверных видеокарт.
Ключевые особенности
- Архитектура 30B / 3.3B active MoE: сочетает объём знаний 30-миллиардной модели со скоростью инференса компактной 3,3B-сети.
- Работа на слабом железе: выдаёт 27–34+ tok/s на ноутбучной RTX 4050 (6 ГБ VRAM) и разгоняется до 70–95+ tok/s на десктопных картах уровня RTX 4070 (12–16 ГБ VRAM).
- Протокол Micro-Blueprint: встроенное архитектурное планирование через тег
помогает выдавать готовый рабочий код (HTML/CSS/JS, Rust, TypeScript, Python) за один проход без заглушек. - Пошаговая дедукция: модель принудительно строит пошаговую подстановку условий при решении логических загадок и многошаговых текстовых задач.
Что можно сделать
- Генерировать полноценные одностраничные приложения, интерфейсы и утилиты на Python, TypeScript, Rust или веб-стеке локально без отправки кода в облако.
- Подключить модель к локальному рабочему пространству NYXIS Local Desktop AI Workspace или своему агенту через API
llama-serverи Ollama. - Решать математические текстовые задачи и сложные логические головоломки с проверкой промежуточных шагов рассуждения.
Пример
llama-server -m NYXIS-30B-A3B-Q3_K_M.gguf \
-ngl 99 --n-cpu-moe 29 \
-fa on --cache-type-k q8_0 --cache-type-v q8_0 \
-c 6144 -b 2048 -ub 512 \
-t 4 -tb 8 --prio 3 --poll 100 --cpu-strict 1Подробнее
Требования к железу: от 6 ГБ VRAM (занимает ~3,3–5,4 ГБ видеопамяти) и 16 ГБ оперативной памяти (в простое с оптимизацией Working Set занимает около 260 МБ RAM).Скорость и тесты: 100% Pass-1 на локальных проверках (калькулятор, regex, канбан-доска, математика и логика на 3 шага) при 27,2–34,2 tok/s на RTX 4050 Laptop.
Рекомендуемые параметры сэмплирования: для кода и математики
temperature: 0.30, для чата 0.55 (top_p: 0.92, min_p: 0.05).Лицензия: CC-BY-NC-SA-4.0 — бесплатно для локального, личного и исследовательского использования, коммерческий хостинг запрещён без отдельного соглашения.










Comments