Instructions to use DICPlay/RusMind-4.7-Momentum with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use DICPlay/RusMind-4.7-Momentum 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 DICPlay/RusMind-4.7-Momentum:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf DICPlay/RusMind-4.7-Momentum:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf DICPlay/RusMind-4.7-Momentum:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf DICPlay/RusMind-4.7-Momentum:Q4_K_M

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf DICPlay/RusMind-4.7-Momentum:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf DICPlay/RusMind-4.7-Momentum:Q4_K_M

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf DICPlay/RusMind-4.7-Momentum:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf DICPlay/RusMind-4.7-Momentum:Q4_K_M

Use Docker

docker model run hf.co/DICPlay/RusMind-4.7-Momentum:Q4_K_M

LM Studio
Jan

vLLM

How to use DICPlay/RusMind-4.7-Momentum with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "DICPlay/RusMind-4.7-Momentum"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "DICPlay/RusMind-4.7-Momentum",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/DICPlay/RusMind-4.7-Momentum:Q4_K_M

Ollama
How to use DICPlay/RusMind-4.7-Momentum with Ollama:
```
ollama run hf.co/DICPlay/RusMind-4.7-Momentum:Q4_K_M
```
Unsloth Desktop

How to use DICPlay/RusMind-4.7-Momentum with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf DICPlay/RusMind-4.7-Momentum: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": "DICPlay/RusMind-4.7-Momentum:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use DICPlay/RusMind-4.7-Momentum with Docker Model Runner:
```
docker model run hf.co/DICPlay/RusMind-4.7-Momentum:Q4_K_M
```

Lemonade

How to use DICPlay/RusMind-4.7-Momentum with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull DICPlay/RusMind-4.7-Momentum:Q4_K_M

Run and chat with the model

lemonade run user.RusMind-4.7-Momentum-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use DICPlay/RusMind-4.7-Momentum with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf DICPlay/RusMind-4.7-Momentum: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 DICPlay/RusMind-4.7-Momentum:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use DICPlay/RusMind-4.7-Momentum with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf DICPlay/RusMind-4.7-Momentum: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 "DICPlay/RusMind-4.7-Momentum: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"

RusMind 4.7 · Моментум

Национальный ИИ от DICPlay. Самая лёгкая модель семейства RusMind нового поколения 4.7. Работает прямо на устройстве, без интернета: на ноутбуке, обычном ПК и телефоне.

Попробовать на rusmind.ru · Русский и английский

Что нового в 4.7

общий балл в независимом бенчмарке MERA v2 — 0,136: выше T-lite от Т-Банка, модели почти вдвое больше, и выше LFM2.5 от Liquid AI; на 37 % выше исходной открытой модели того же размера;
лучший в линейке Моментум результат в рассуждениях;
заметно лучше понимает людей: характеры персонажей, юмор, слова с противоположными значениями;
точнее выполняет сложные инструкции с несколькими требованиями сразу;
глубоко знает культуру и регионы России, грамотно расставляет запятые и исправляет орфографию;
точно знает историю России — ключевые события, даты и личности;
понимает японский с нюансами вежливости, стабильно рассуждает и пишет код — так оценил независимый японский канал Future Craft Lab, тестировавший Моментум в прямом эфире.

Моментум в рейтинге MERA v2

Что такое MERA. MERA (Multimodal Evaluation for Russian-language Architectures) — ведущий независимый бенчмарк русскоязычных нейросетей. Его ведёт Альянс в сфере искусственного интеллекта, который основали Сбер, Яндекс, МТС, VK, «Газпром нефть» и РФПИ. Методологию разработала команда SberDevices вместе с академическими партнёрами, над версиями бенчмарка работали специалисты Сбера, MTS AI, Сколтеха и НИУ ВШЭ. В рейтинге — GigaChat от Сбера, T-lite и T-pro от Т-Банка, A-Vibe от Авито, модели Google, Alibaba, Mistral и других. Правильные ответы на тестовые задания участникам не показывают: результат считает сама платформа MERA, поэтому подогнать его нельзя. Все цифры ниже — из MERA: открыть рейтинг.

В Моментуме 4,6 млрд параметров, а при ответе работают всего 2 млрд — поэтому он летает прямо в браузере и на телефоне. И всё же он обходит модели в 4–16 раз больше по активным параметрам.

Выше T-lite от Т-Банка по общему баллу — у T-lite в 4 раза больше активных параметров (8 млрд). Выше и RuadaptQwen3-8B, A-Vibe от Авито и Zero-Mistral-Small на 24 млрд.
№1 по общему баллу среди моделей до 5 млрд параметров — выше LFM2.5 от Liquid AI, Gemma 4 E2B от Google и Qwen3.5-4B от Alibaba.
№1 по культуре и регионам России среди всех моделей до 10 млрд параметров. Выше даже RuadaptQwen3-32B (32 млрд) и Zero-Mistral-Small (24 млрд).
№1 в человекоцентричных задачах среди моделей до 5 млрд параметров: понимает характеры персонажей, юмор и слова с противоположными значениями.
В рассуждениях обходит T-lite от Т-Банка, RuadaptQwen3-8B, обе Zero-Mistral (24 млрд) и A-Vibe от Авито.
В логических задачах в 2 раза точнее T-lite от Т-Банка.
+5 % к общему баллу по сравнению с Моментумом 4.6.5 и +37 % к исходной открытой модели того же размера.

Общий балл MERA v2	RusMind Моментум (2 млрд активных)	RuadaptQwen3-8B (8 млрд)	T-lite · Т-Банк (8 млрд)	LFM2.5 · Liquid AI (2,6 млрд)	A-Vibe · Авито (8 млрд)
Балл	0,136	0,134	0,130	0,120	0,113

Рассуждения (Reasoning)	RusMind Моментум (2 млрд активных)	RuadaptQwen3-8B (8 млрд)	Zero-Mistral-Small (24 млрд)	T-lite · Т-Банк (8 млрд)	A-Vibe · Авито (8 млрд)
Балл MERA v2	0,247	0,231	0,229	0,218	0,187

Раздел MERA v2	RusMind Моментум (2 млрд активных)	A-Vibe · Авито (8 млрд)	Gemma 4 E2B · Google (5 млрд)	Qwen3.5-4B · Alibaba (4 млрд)
Общий балл	0,136	0,113	0,099	0,093
Культура и регионы России	0,221	0,171	0,139	0,057
Рассуждения	0,247	0,187	0,227	0,217
Человекоцентричные задачи	0,148	0,132	0,091	0,091

Где Моментум точнее A-Vibe от Авито и Gemma 4 от Google — точность ответов в задачах MERA v2:

Задача	RusMind Моментум	A-Vibe · Авито	Gemma 4 E2B · Google
Расстановка знаков препинания (SAGE)	0,725	0,648	0,159
Исправление орфографии (SAGE)	0,623	0,545	0,547
Ответы от лица персонажей (Characters)	0,431 — ×1,8	0,245	0,275
Слова с противоположными значениями (Enantiosemy)	0,166 — ×2,5	0,067	0,085
Понимание юмора (Humor)	0,092 — ×2,5	0,037	0,037
К чему относится слово в тексте (LIMUR)	0,333	0,284	0,312
Вопросы с выбором ответа (RUBIN)	0,281	0,207	0,249
Вызов инструментов и функций (GorillaHard)	0,150	0,148	0,055

_{Данные MERA v2, октябрь 2026; в рейтинге — RusMind Моментум 4.7.}

Файлы

Файл	Размер	Для чего
`RusMind-Momentum-4.7-Lite.gguf`	2,5 ГБ	телефоны и ноутбуки
`RusMind-Momentum-4.7-Q4_K_M.gguf`	3,4 ГБ	основной вариант, лучший баланс качества и размера
`RusMind-Momentum-4.7-Q8_0.gguf`	5,0 ГБ	максимальное качество в компактном виде

Как запустить

В браузере — проще всего. Откройте rusmind.ru и выберите Моментум: модель один раз скачается в браузер и дальше будет отвечать без интернета.

LM Studio, Ollama, PocketPal и другие программы с GGUF — скачайте нужный файл и откройте его.

llama.cpp:

llama-cli -m RusMind-Momentum-4.7-Q4_K_M.gguf -cnv

Что знает RusMind

RusMind глубоко знает историю и культуру России, законы, регионы и народы страны, традиционные семейные ценности и ключевые события — и свободно отвечает на русском и английском.

Все версии модели — в репозитории DICPlay/RusMind-Momentum.

Ответственное использование

Ответы на медицинские, юридические и финансовые вопросы носят справочный характер.

Лицензия

Распространяется по собственной лицензии RusMind License (DICPlay) — текст в файле LICENSE. Коротко: бесплатно для личного и некоммерческого использования, исследований и оценки; коммерческое использование, перепродажа, распространение изменённых и дообученных версий и встраивание в продукты — только по письменному договору с DICPlay. Модель предоставляется «как есть».

Downloads last month: 1,211

GGUF

Model size

5B params

Architecture

gemma4

Hardware compatibility

4-bit

8-bit

16-bit

View +1 variant

Collection including DICPlay/RusMind-4.7-Momentum

RusMind 4.7

Collection

Поколение RusMind 4.7 от DICPlay — модели на устройстве. Моментум 4.7: 0,136 в MERA v2, выше T-lite от Т-Банка. • 1 item • Updated about 12 hours ago