SSD Nodes Learn Hosting plans →
Guías Matt ConnorPor Matt Connor · Actualizado 2026-10-26

Requisitos de RAM para ejecutar Muse Glimmer 30B en VPS

Las etiquetas Linux de Muse Glimmer ocupan de 18 a 59 GB. Calcula la RAM y el disco del VPS antes de descargar el modelo y conoce el coste de inferencia solo con CPU.

Qué necesita Muse Glimmer en un VPS

Muse Glimmer se ejecuta en un VPS Linux común sin GPU, y la etiqueta que descargue determina si cabe en la memoria. Meta Superintelligence Labs publicó el modelo el 10 August 2026 con licencia Apache 2.0: 30 billion parameters, una ventana de contexto de 128K y un encoder de percepción dedicado de 1.8B parameters, para que pueda leer imágenes además de texto. Meta lo orienta a agentes locales siempre activos, no al chat, con una capacidad de razonamiento que se establece en cada solicitud.

Las etiquetas publicadas de Ollama que funcionan en Linux, consultadas el 25 October 2026, ocupan entre 18 GB y 59 GB. Ese intervalo determina todo el dimensionamiento. La lista completa de etiquetas empieza más abajo y termina más arriba, en 17 GB y 65 GB, pero ambos extremos corresponden a etiquetas MLX diseñadas para Apple Silicon, por lo que no cuentan en un servidor Linux. La etiqueta predeterminada figura con un tamaño aproximado de 18 GB, así que el equipo más pequeño razonable debe tener claramente más de 18 GB de RAM libre. El espacio en disco para la descarga y la memoria para la ventana de contexto se suman a ese requisito.

¿Qué etiqueta de muse-glimmer debe descargar?

GráficoPublished muse-glimmer tag sizes on 25 October 2026 (Linux tags only)
Los datos de este gráfico
[
  {
    "label": "30b (default)",
    "size_gb": 18
  },
  {
    "label": "30b-q4_K_M",
    "size_gb": 18
  },
  {
    "label": "30b-q4_K_M-dflash",
    "size_gb": 20
  },
  {
    "label": "30b-q8_0",
    "size_gb": 31
  },
  {
    "label": "30b-q8_0-dflash",
    "size_gb": 33
  },
  {
    "label": "30b-bf16",
    "size_gb": 57
  },
  {
    "label": "30b-bf16-dflash",
    "size_gb": 59
  }
]

Ollama muestra 7 etiquetas para este modelo sin la etiqueta MLX, sin contar el alias latest. Las etiquetas simples contienen los mismos 30 billion pesos, almacenados con distintas precisiones numéricas. Las etiquetas -dflash contienen esos pesos y una segunda red más pequeña, descrita más adelante. Por eso cada una aparece con un tamaño superior al de su equivalente simple. El tamaño mostrado es lo que descargará y también representa aproximadamente la memoria que debe tener disponible antes de añadir cualquier contexto.

La compilación de 4 bits es la pequeña: 30b-q4_K_M, con 18 GB. La etiqueta predeterminada 30b es la misma compilación con otro nombre y tiene el mismo digest en la página de la etiqueta. La compilación de 8 bits es 30b-q8_0, con 31 GB. 30b-bf16 es la versión sin cuantizar de 16 bits, con 57 GB. Es más RAM de la que ofrecen la mayoría de los servidores alquilados a un precio razonable para un proyecto secundario. La etiqueta 30b-nvfp4 de 17 GB, más pequeña sobre el papel, y 30b-mxfp8 de 8 bits, con 33 GB, tienen ambas la etiqueta MLX, por lo que quedan fuera de la tabla. La sección siguiente explica el motivo.

Las etiquetas -dflash añaden el generador DFlash de Meta, que la ficha del modelo describe como «una red complementaria pequeña que propone bloques completos de tokens de una sola vez»: 5 capas de generación que predicen bloques de 16 tokens. Es una función de decodificación especulativa para acelerar la generación. La página del modelo de Ollama presenta la compatibilidad con DFlash como parte de su motor MLX en Apple Silicon. En una VPS que sólo usa CPU, consume aproximadamente 2 GB adicionales de memoria real para un generador cuyo beneficio en su hardware todavía no ha medido. Por tanto, empiece con la etiqueta simple y cambie una sola cosa cada vez.

Empiece con 4 bits, salvo que tenga un motivo concreto para no hacerlo. Pasar de 4 bits a 8 bits duplica aproximadamente los bytes que la CPU debe leer para cada token que genera. Por eso disminuye el rendimiento y aumenta el uso de memoria. Este intercambio se explica en el coste real de la cuantización q4, q8 y fp16, y en un servidor que sólo usa CPU la respuesta breve es que la compilación de 4 bits es la única opción recomendable para empezar.

Por qué las etiquetas MLX no hacen nada en un servidor Linux

MLX es el framework de matrices de Apple, y el motor MLX de Ollama es su backend para Apple Silicon. Cuando Ollama lo anunció, indicó que había que «asegurarse de tener un Mac con más de 32GB de memoria unificada». Todas las etiquetas que la página de etiquetas marca como MLX están compiladas para ese motor y ese hardware. La etiqueta no siempre aparece en el nombre: en este modelo abarca 30b-nvfp4, 30b-mxfp8 y sus variantes -dflash, además de todas las etiquetas que contienen mlx. En un VPS Linux x86, cada una requiere descargar decenas de gigabytes, no se puede ejecutar y sólo ocupa espacio en disco. Cualquier cifra de rendimiento medida en un Mac corresponde a esas etiquetas, por lo que tampoco describe el rendimiento de su servidor. Al leer la lista de etiquetas de la página del modelo, filtre primero todas las etiquetas con la marca MLX y calcule los recursos a partir de las restantes.

¿Cuánta RAM y espacio en disco necesita realmente?

Dos elementos consumen memoria, y sólo uno de ellos depende del tamaño de la etiqueta. Los pesos tienen un tamaño fijo según la etiqueta que descargue. La caché KV, es decir, el estado por token que el modelo conserva para la conversación, crece con la longitud de contexto configurada. La documentación de Ollama indica que atender solicitudes en paralelo multiplica el contexto por el número de solicitudes en curso. Por tanto, un equipo que responde a dos agentes a la vez necesita más memoria que el mismo equipo cuando responde a uno.

No tome una cifra de RAM de ninguna guía, incluida esta. Descargue la etiqueta, envíele una solicitud y, mientras el modelo siga residente, ejecute estos dos comandos.

ollama ps
free -h

ollama ps muestra lo que está cargado en ese momento y cómo se distribuye el trabajo entre la CPU y la GPU. free -h muestra la memoria restante. Estos dos resultados de su propio equipo son más fiables que cualquier tabla publicada, porque ya incluyen la configuración de contexto, la cuantización y todo lo demás que ejecuta el servidor.

El disco es la parte más sencilla. Ollama almacena los modelos en /usr/share/ollama/.ollama/models en Linux, una ruta que se encuentra en el sistema de archivos raíz en la mayoría de las imágenes VPS. Un volumen raíz de 40GB no puede contener la compilación bf16 de 57 GB. Tampoco puede contener simultáneamente las compilaciones de 8 bits y 4 bits. Si nunca ha comprobado qué archivos escribe realmente una descarga, dónde almacena Ollama los modelos y cómo moverlos explica el contenido de ese directorio. Mueva el almacén a un volumen montado antes de descargar cualquier modelo.

sudo systemctl edit ollama
[Service]
Environment="OLLAMA_MODELS=/mnt/models"
sudo mkdir -p /mnt/models
sudo chown -R ollama:ollama /mnt/models
sudo systemctl daemon-reload
sudo systemctl restart ollama

El usuario ollama debe ser el propietario de ese directorio, porque el servicio se ejecuta como ollama y escribe allí sus blobs con esa identidad. Si una descarga falla por permisos, journalctl -u ollama -n 50 muestra el motivo.

Sobre la swap, hay que dejar una cosa clara: la swap no permite ejecutar una etiqueta más grande. La generación accede a los pesos para cada token que produce. Por tanto, los pesos que están en la swap se leen una y otra vez desde el disco. vmstat 1 muestra ocupadas las columnas si y so, y la salida se ralentiza hasta varios segundos por token. Mantenga un archivo de swap pequeño como protección frente al OOM killer. Dimensione la RAM para la etiqueta que realmente quiera utilizar.

Instalar Ollama y fijar una etiqueta con nombre

curl -fsSL https://ollama.com/install.sh | sh
ollama --version
systemctl status ollama

El script de instalación configura un servicio de systemd, por lo que el servidor vuelve a estar disponible después de reiniciar. Si prefiere no ejecutarlo como un servicio del sistema gestionado por root, ejecutar Ollama sin privilegios con Podman explica ese procedimiento. Después, descargue una etiqueta explícita.

ollama pull muse-glimmer:30b
ollama list

Lea usted mismo la columna de tamaño en ollama list y compárela con la lista actual de etiquetas en la página del modelo. Las etiquetas publicadas se añaden, cambian de nombre y se eliminan. El tamaño indicado en una guía representa una instantánea de un día concreto.

Nunca escriba ollama pull muse-glimmer en un servidor del que dependa. Un nombre de modelo sin etiqueta se resuelve en la etiqueta latest, y latest es un puntero que el editor puede mover a otra compilación. Una descarga rutinaria puede sustituir el modelo que usa su agente, con necesidades de memoria y comportamiento diferentes, sin que ningún registro lo indique. Especifique la etiqueta en sus scripts, archivos de unidad y configuración del agente. Alojar un LLM en su propio servidor con Ollama en un VPS explica el resto de la configuración del servidor.

¿Puedes ejecutar Muse Glimmer sin GPU?

Sí, pero conviene ser claro sobre el límite. Generar un token implica leer los pesos del modelo desde la memoria, por lo que la velocidad depende del ancho de banda de memoria y no del número de vCPU que anuncia el plan. Después de unos pocos núcleos, añadir más aporta muy poco. En un VPS compartido, ese ancho de banda se comparte con todos los demás clientes del host, por lo que un modelo de 30B en 4 bits genera pocos tokens por segundo.

No aceptes como válida la cifra de nadie, incluida la mía. Mide los tokens por segundo en tu propio equipo y decide según los resultados.

El resultado es una diferencia clara en las tareas para las que el modelo resulta útil. El chat interactivo es incómodo, porque lees más rápido de lo que el servidor escribe y cada respuesta empieza con una pausa larga. El trabajo de agentes en segundo plano funciona bien, porque una tarea que se ejecuta sin supervisión durante diez minutos no depende de que sea rápida. Esa segunda carga de trabajo es exactamente la que Meta describe para este modelo.

Si necesitas velocidad interactiva, las dos respuestas honestas son una GPU o una API alojada. Calcula el punto de equilibrio entre un VPS con GPU y los tokens de una API antes de alquilar nada, y qué ofrece realmente un VPS con GPU explica qué estás comprando. Para la cuestión más general de qué puede ejecutar un equipo concreto, empieza por qué modelos puedes alojar por tu cuenta, y ejecutar un modelo Qwen de tamaño similar en un VPS es la comparación más cercana dentro de esta clase de tamaño. Si las cifras que mides resultan demasiado lentas para utilizarlas, Nemotron 3.5 Lightning en un VPS plantea las mismas preguntas sobre RAM y tokens por segundo para un modelo diseñado para priorizar la velocidad sobre el tamaño.

¿Por qué olvida la información mucho antes de alcanzar 128K tokens?

En un equipo sin GPU, la ventana de contexto predeterminada de Ollama es de 4096 tokens, independientemente de lo que admita el modelo. La FAQ de Ollama indica ese valor predeterminado de 4096, y su documentación sobre la longitud de contexto, consultada el 25 de octubre de 2026, ajusta el valor predeterminado según la memoria de la GPU: 4k con menos de 24 GiB de VRAM, 32k entre 24 y 48 GiB, y 256k con 48 GiB o más. Un VPS que sólo usa CPU se encuentra en el nivel inferior. La etiqueta anuncia 128K, pero el servidor entrega al modelo 4096 hasta que se indique lo contrario. Por eso, una transcripción larga de un agente pierde los turnos iniciales y el modelo parece tener amnesia.

Auméntelo en el servidor para cada solicitud:

[Service]
Environment="OLLAMA_CONTEXT_LENGTH=32768"

En una sesión interactiva, /set parameter num_ctx 32768 lo cambia sólo para esa sesión. Mediante la API, envíe num_ctx en las opciones de la solicitud.

Cada token adicional de contexto consume memoria además de la que requieren los pesos. Si solicita los 128K completos en un equipo dimensionado sólo para los pesos, la carga fallará o recurrirá a una opción más lenta. Auméntelo por pasos y ejecute ollama ps después de cada paso. Cómo funcionan num_ctx y la longitud de contexto en Ollama explica los cálculos.

Intensidad del razonamiento: low, medium, high y xhigh

Meta define cuatro intensidades de razonamiento para Muse Glimmer, de low a xhigh, y recomienda las dos más altas para tareas complejas de programación y de agentes. En Ollama, esto se controla con el parámetro think. Use --think= en la línea de comandos o envíe think en el cuerpo de la API.

ollama run muse-glimmer:30b --think=high "Summarise the changes in /tmp/patch.diff"

En una sesión interactiva, /set think y /set nothink permiten activarlo y desactivarlo. La documentación de Ollama sobre el razonamiento, consultada el 25 de octubre de 2026, indica que debe usar /api/show para conocer los valores compatibles con un modelo. Un modelo que incluye metadatos de razonamiento los muestra en thinking.values. Pueden ser valores booleanos para un control de activación y desactivación o nombres definidos por el modelo para distintos niveles. La documentación indica que debe usar exactamente el valor mostrado allí. No todos los modelos publican esa lista. Si falta thinking en la respuesta, el modelo no tiene metadatos de razonamiento. La misma página indica que un nombre no compatible vuelve al valor predeterminado del modelo. Por tanto, un nivel escrito incorrectamente no genera un error, sino que se ejecuta silenciosamente con el valor predeterminado. La ayuda de la línea de comandos sólo menciona true, false, high, medium y low, y envía cualquier otra cadena al servidor sin validarla. Por eso, lea lo que /api/show informa para muse-glimmer:30b en lugar de adivinar, y pruebe un valor manualmente antes de integrarlo en un agente.

En un equipo que sólo usa CPU, este ajuste tiene un efecto importante. Una intensidad mayor genera más tokens de razonamiento antes de mostrar la primera palabra de la respuesta, y un token de razonamiento consume el mismo tiempo de reloj que un token de respuesta. Mantenga las tareas rutinarias en el nivel low. La longitud de la respuesta también requiere el mismo control. Por eso, limite la respuesta con num_predict en lugar de permitir que una respuesta demasiado larga mantenga ocupado un equipo lento durante varios minutos.

Mantener el modelo cargado para un agente siempre activo

Ollama descarga un modelo inactivo después de cinco minutos de forma predeterminada. Para un agente que se ejecuta cada diez minutos, esto implica cargar desde el disco 18 GB completos en cada ejecución. En un VPS con almacenamiento conectado por red, esa carga no es rápida. Manténgalo en la memoria en su lugar.

[Service]
Environment="OLLAMA_KEEP_ALIVE=-1"

Un valor negativo mantiene el modelo residente hasta que algo lo descargue, y keep_alive en una solicitud de API sustituye el valor predeterminado del servidor para esa llamada. El coste es claro: la RAM permanece ocupada mientras no ocurre nada, por lo que este ajuste está pensado para un equipo dedicado al agente. Mantener un modelo de Ollama cargado explica las variantes.

Diríjalo a un agente de programación

Ollama ofrece una API compatible con OpenAI en http://127.0.0.1:11434/v1, por lo que la mayoría de las herramientas de agentes se conectan con una URL base y cualquier clave de API no vacía. La página de Muse Glimmer de Ollama también documenta un acceso directo de inicio que conecta un agente compatible con un modelo local mediante un solo comando. También debe fijar allí la etiqueta.

ollama launch claude --model muse-glimmer:30b

Los agentes envían prompts grandes. El contenido de los archivos, la salida de las herramientas y una transcripción que crece llegan como tokens de entrada. En un equipo con CPU, el procesamiento del prompt es la parte que más carga genera antes de que siquiera comience la generación. Mantenga la configuración de contexto tan pequeña como permita la tarea. Conectar un agente de programación con Ollama cubre el lado del cliente, ejecutar un agente de programación en un VPS cubre el equipo donde se ejecuta y controlar los costes de un agente en un VPS cubre lo que ocurre cuando funciona durante todo el día.

La entrada de imágenes funciona de la misma forma. La API de Ollama acepta imágenes en el campo images de un mensaje. Por tanto, un cliente que sólo admita texto nunca enviará una imagen, por muy capaz que sea el codificador de percepción.

No abra el puerto 11434

La API de Ollama no tiene autenticación. Configurar OLLAMA_HOST=0.0.0.0:11434 para acceder a ella desde su portátil expone un ejecutor de modelos sin autenticación en Internet pública. Cualquiera que lo encuentre puede cargar modelos en su disco y leer todo lo que su agente le envíe. Déjelo enlazado a localhost y use un túnel.

ssh -N -L 11434:127.0.0.1:11434 user@your-vps

Protección del endpoint de la API de Ollama cubre las opciones adecuadas, incluido un reverse proxy que solicite credenciales.

Qué falla y qué verá

La descarga se detiene a mitad. Problema de disco. Ejecute df -h contra el directorio del modelo. Una compilación bf16 de 57 GB no cabe en un volumen raíz de 40GB. Tampoco caben las compilaciones de 8 bits y 4 bits una junto a otra.

El modelo se carga y después el proceso termina. Falta de memoria. dmesg -T registra el proceso que selecciona el kernel por falta de memoria, y journalctl -u ollama -n 100 muestra el mismo evento desde el servicio. La solución es usar una etiqueta más pequeña o un num_ctx más pequeño. Añadir más swap no lo soluciona.

Se ejecuta a varios segundos por token. Ejecute vmstat 1 y observe las columnas si y so. La actividad de swap constante indica que los pesos no caben en la RAM y que el equipo los lee de nuevo desde el disco mientras trabaja.

Una etiqueta que funcionaba la semana pasada ya no existe. Las listas de etiquetas cambian. Vuelva a consultar la página del modelo, fije la etiqueta actual y registre su nombre en un lugar que pueda consultar de nuevo.

Vuelva a comprobar los tamaños antes de descargar

Los tamaños de la tabla se obtuvieron de la página de etiquetas del modelo el 25 de octubre de 2026. Una lista de etiquetas publicada no constituye una garantía. Consulte la lista actual en la página del modelo y confirme qué se descargó realmente en el disco:

ollama pull muse-glimmer:30b
ollama list
sudo du -sh /usr/share/ollama/.ollama/models

Ollama almacena las capas del modelo como blobs compartidos. Por tanto, dos etiquetas que comparten una capa no duplican el consumo de disco. Compare lo que informa du con el tamaño publicado y planifique el espacio de disco tomando como referencia el mayor de los dos valores.

FAQ

¿Cuánta RAM necesita Muse Glimmer en un VPS?

Parta del tamaño de la etiqueta y añada la ventana de contexto. La etiqueta predeterminada ocupa aproximadamente 18 GB según los datos del 25 October 2026, por lo que un equipo de 16GB no puede almacenarla y uno de 24GB apenas deja espacio para el contexto. Considérelo un punto de partida, no una respuesta definitiva. Descargue la etiqueta, cárguela una vez y ejecute ollama ps y free -h en su propio equipo. Después, consulte sus propios valores. Un contexto más largo y las solicitudes paralelas también añaden consumo de memoria por encima del necesario para los pesos.

¿Puedo ejecutar Muse Glimmer sin GPU?

Sí. Se carga y responde sólo con CPU en un VPS. La velocidad de generación está limitada por el ancho de banda de memoria, no por el número de núcleos. En un host compartido, ese ancho de banda se comparte, por lo que debe esperar pocos tokens por segundo con 4-bit. Es suficiente para tareas de agentes en segundo plano que se ejecutan sin supervisión, pero resulta lento para el chat interactivo. Ejecute ollama ps durante una solicitud y consulte la columna del procesador para confirmar dónde se ejecuta el trabajo.

¿Sirven de algo las etiquetas MLX en un VPS Linux?

No. Todas las etiquetas que la página de etiquetas identifica como MLX están diseñadas para el motor MLX de Ollama, que es su backend para Apple Silicon. Esto incluye 30b-nvfp4 y 30b-mxfp8, aunque sus nombres no contienen mlx. En un servidor Linux x86, esas etiquetas son una descarga grande que no puede ejecutar. Use la etiqueta 30b sin sufijo, o una de las demás etiquetas que no sean MLX. Ignore las pruebas de rendimiento en hardware Apple asociadas a las compilaciones MLX.

¿Por qué el modelo olvida información mucho antes de 128K tokens?

Porque, en un equipo sin GPU, la ventana de contexto predeterminada de Ollama es de 4096 tokens, independientemente de lo que admita el modelo. Por tanto, el servidor trunca las conversaciones largas antes de que el modelo llegue a verlas. Configure OLLAMA_CONTEXT_LENGTH en el servidor, /set parameter num_ctx para una sesión o envíe num_ctx en las opciones de la solicitud a la API. El consumo de memoria aumenta con este valor, así que increméntelo gradualmente y compruebe ollama ps cada vez.

¿Debo fijar la etiqueta o usar latest?

Fíjela. muse-glimmer sin etiqueta se resuelve en latest, que es un puntero que el editor puede mover a otra compilación en cualquier momento. Por tanto, una descarga rutinaria puede cambiar el modelo que ejecuta su agente. Escriba muse-glimmer:30b en los scripts, archivos de unidad y configuración del agente. Consulte la lista de etiquetas en la página del modelo antes de fijarla, porque las etiquetas publicadas cambian.

¿Te resultó útil este artículo?