ルーティングされたエキスパートをディスクから読み込み、一般的なハードウェアで超大規模MoEモデルを動かす純C製推論エンジン。
jesdga95/basalt
OpenAIおよびAnthropic互換APIを通じて、NVIDIA Blackwell GPU上でQwen3.8-Flash-NextのMoEモデルを実行するローカル推論エンジン。
- スター
- 750
- フォーク
- 98
- 未解決の Issue
- 71
- 最終コミット
- 2 時間前
これは何?
Basaltは、Qwen3.8-Flash-NextのMixture of Expertsモデル向けに構築されたローカル推論エンジンです。NVIDIA Blackwell GPU(Compute Capability 12.0)とCUDA 13を搭載したLinuxおよびWindowsマシンを対象としています。
VRAMに収まらないエキスパートはシステムRAMに配置でき、オプションで2台目のGPUをエキスパート用の追加層として利用できます。これにより、大規模なMoEモデルを単一のワークステーションで実行できます。サーバーはOpenAIおよびAnthropic互換のエンドポイントを公開し、ストリーミング応答に対応したWeb UIも備えています。
モデルは、重み、tokenizer、MTP drafter、エキスパートプロファイル、vision projectorをまとめた単一の`.basalt`ファイルとして配布されます。複数の量子化形式のビルド済みパックがHugging Faceで公開されており、設定はJSONファイルと`basalt` CLIで行います。`basalt-probe`ツールはマシンの性能を測定し、推奨設定を提示します。
主な機能
- 01VRAMからあふれたエキスパートをシステムRAMに配置でき、オプションで2台目のGPUをエキスパート用の追加層として利用できます。
- 02ローカルサーバーからOpenAIおよびAnthropic互換APIを提供します。
- 03ストリーミング応答に対応したWeb UIを備えています。
- 04重み、tokenizer、drafter、vision projectorを単一の.basaltファイルにまとめます。
- 05NVFP4やGGUF由来の形式など、複数の量子化モデルパックを提供します。
- 06ハードウェアを測定し、設定値を提案する`basalt-probe`を提供します。
ユースケース
- NVIDIA Blackwell搭載の単一ワークステーションで大規模なMoEモデルを実行する。
- 既存のクライアントツール向けに、OpenAIまたはAnthropic互換のローカルエンドポイントを提供する。
- Qwen3.8-Flash-Nextの量子化によるトレードオフを検証する。
クイックスタート
- 1
リポジトリをクローンする
git clone https://github.com/jesdga95/basalt && cd basalt - 2
CMakeでプロジェクトをビルドする
cmake -S . -B build -DCMAKE_BUILD_TYPE=Release && cmake --build build -j - 3
Pythonの依存関係をインストールしてモデルをダウンロードする
pip install -r requirements.txt && hf download jesdga/Qwen3.8-Flash-Next-Basalt Qwen3.8-FN-NVFP4.basalt --local-dir models - 4
設定ファイルを指定してサーバーを起動する
bin/basalt serve --config basalt_config.json
使う前に知っておきたいこと
- Linuxまたは、NVIDIA Blackwell GPU(sm_120)とCUDA 13を搭載したWindowsが必要です。
- VRAMに収まらないエキスパートを保持できるだけのシステムRAMが必要です。
- モデルパックはMITライセンスではなく、Qwen Community Licenseの対象です。
収録されている特集
トピック
よくある質問
- basalt とは?
- OpenAIおよびAnthropic互換APIを通じて、NVIDIA Blackwell GPU上でQwen3.8-Flash-NextのMoEモデルを実行するローカル推論エンジン。 Basaltは、Qwen3.8-Flash-NextのMixture of Expertsモデル向けに構築されたローカル推論エンジンです。NVIDIA Blackwell GPU(Compute Capability 12.0)とCUDA 13を搭載したLinuxおよびWindowsマシンを対象としています。
- basalt は無料で使えますか?ライセンスは?
- basalt は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- basalt は今もメンテナンスされていますか?
- 活発にメンテナンス中。basalt の最終コミットは 2026年11月7日 です。
- basalt は何に使えますか?
- NVIDIA Blackwell搭載の単一ワークステーションで大規模なMoEモデルを実行する。 既存のクライアントツール向けに、OpenAIまたはAnthropic互換のローカルエンドポイントを提供する。 Qwen3.8-Flash-Nextの量子化によるトレードオフを検証する。
- basalt のインストール方法は?
- リポジトリをクローンする: git clone https://github.com/jesdga95/basalt && cd basalt CMakeでプロジェクトをビルドする: cmake -S . -B build -DCMAKE_BUILD_TYPE=Release && cmake --build build -j Pythonの依存関係をインストールしてモデルをダウンロードする: pip install -r requirements.txt && hf download jesdga/Qwen3.8-Flash-Next-Basalt Qwen3.8-FN-NVFP4.basalt --local-dir models 設定ファイルを指定してサーバーを起動する: bin/basalt serve --config basalt_config.json
- basalt はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/jesdga95/basalt
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
Rust製のローカルLLM実行・サービング基盤。OpenAI互換APIサーバーとWeb UIを内蔵。
vLLMを基盤とし、OpenAI互換のサービングと分散デプロイに対応する、Hugging Face互換モデル向けLLM推論エンジンです。
GLM-5.3-Flashなどの大規模MoEモデルを手元のGPUで実行できる、OpenAI互換API対応のセルフホスト型推論エンジン。
主にRTX 3090などのNVIDIA RTX 30シリーズAmpereカードで、Qwen3.8モデルをローカル実行するために調整されたllama.cppのフォーク。
PythonやMLXを使わず、Apple SiliconのMetalやNVIDIA CUDA GPUでモデルを配信する、Zig製のローカルLLM推論エンジン。