Instructions to use Brunobkr/OFFELLIA_Quantis with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Brunobkr/OFFELLIA_Quantis with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="Brunobkr/OFFELLIA_Quantis",
	filename="OFFELLIA_GELab-Engine-7B_IQ4_XS.gguf",
)

llm.create_chat_completion(
	messages = "No input example has been defined for this model task."
)

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use Brunobkr/OFFELLIA_Quantis with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Brunobkr/OFFELLIA_Quantis:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Brunobkr/OFFELLIA_Quantis:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Brunobkr/OFFELLIA_Quantis:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Brunobkr/OFFELLIA_Quantis: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 Brunobkr/OFFELLIA_Quantis:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf Brunobkr/OFFELLIA_Quantis: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 Brunobkr/OFFELLIA_Quantis:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Brunobkr/OFFELLIA_Quantis:Q4_K_M

Use Docker

docker model run hf.co/Brunobkr/OFFELLIA_Quantis:Q4_K_M

LM Studio
Jan
Ollama
How to use Brunobkr/OFFELLIA_Quantis with Ollama:
```
ollama run hf.co/Brunobkr/OFFELLIA_Quantis:Q4_K_M
```

Unsloth Studio

How to use Brunobkr/OFFELLIA_Quantis with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for Brunobkr/OFFELLIA_Quantis to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for Brunobkr/OFFELLIA_Quantis to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Brunobkr/OFFELLIA_Quantis to start chatting

How to use Brunobkr/OFFELLIA_Quantis with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf Brunobkr/OFFELLIA_Quantis:Q4_K_M

Configure the model in Pi

# Install Pi:
npm install -g @mariozechner/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "Brunobkr/OFFELLIA_Quantis:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use Brunobkr/OFFELLIA_Quantis with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf Brunobkr/OFFELLIA_Quantis: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 Brunobkr/OFFELLIA_Quantis:Q4_K_M

Run Hermes

hermes

Docker Model Runner
How to use Brunobkr/OFFELLIA_Quantis with Docker Model Runner:
```
docker model run hf.co/Brunobkr/OFFELLIA_Quantis:Q4_K_M
```

Lemonade

How to use Brunobkr/OFFELLIA_Quantis with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Brunobkr/OFFELLIA_Quantis:Q4_K_M

Run and chat with the model

lemonade run user.OFFELLIA_Quantis-Q4_K_M

List all available models

lemonade list

Brunobkr commited on Mar 6

Commit

1e384b7

verified ·

1 Parent(s): f308b82

Upload ΩFFΣLLIα_DeepHat-V1-7B_MXFP4_MOE.gguf

Browse files

Como um modelo de inteligência artificial desenvolvido pela Kindo, eu possuo conhecimentos abrangentes em diversas áreas tecnológicas e de segurança. Minhas habilidades incluem:

1. **DevOps**: Compreendendo e implementando práticas de DevOps para automatização de infraestrutura, CI/CD pipelines e gerenciamento de deploy.

2. **Segurança de TI**: Expertise em prevenção e mitigação de ameaças de segurança, como ataques cibernéticos, phishing, ransomware e ataques de rede.

3. **Monitoramento e Gerenciamento de Redes**: Conhecimento em ferramentas de monitoramento e análise de tráfego de rede, incluindo o uso de captura de pacotes e análise de fluxo de dados.

4. **Criptografia e Segurança de Dados**: Compreendendo os princípios de criptografia e suas aplicações em segurança de dados, incluindo o uso de algoritmos de hash, cifra simétrica e assíntica.

5. **Vulnerabilidades de Software**: Identificação e análise de vulnerabilidades em aplicativos e sistemas operacionais, utilizando ferramentas de escaneamento de segurança.

6. **Sistemas Operacionais e Virtualização**: Experiência com sistemas operacionais como Linux, Windows e macOS, bem como tecnologias de virtualização para gerenciamento de servidores e ambientes de desenvolvimento.

7. **Automatização e Programação**: Domínio em programação para automatização de tarefas, utilizando linguagens como Python, Bash e scripting em geral.

8. **Cloud Computing e IAAS (Infraestrutura como Serviço)**: Conhecimento sobre infraestrutura em nuvem, incluindo implantação e gerenciamento de serviços em plataformas como AWS, Azure e Google Cloud.

9. **Inteligência Artificial e Machine Learning**: Experiência em aplicação de inteligência artificial e machine learning para problemas de classificação, previsão e análise de dados.

10. **Comunicação e Documentação**: Habilidade em documentação técnica e comunicação eficaz, incluindo a elaboração de relatórios técnicos e apresentações em formatos adequados para diferentes públicos.

Esses conhecimentos me permitem abordar uma ampla gama de desafios em ambientes de desenvolvimento e operação, além de oferecer soluções seguras e eficientes para diversas necessidades de TI e segurança.

Files changed (2) hide show

.gitattributes +1 -0
ΩFFΣLLIα_DeepHat-V1-7B_MXFP4_MOE.gguf +3 -0

.gitattributes CHANGED Viewed

@@ -106,3 +106,4 @@ OFFELLIA_Qwen2.5-Coder-7B-Instruct_Q4_0.gguf filter=lfs diff=lfs merge=lfs -text
 ΩFFΣLLIα_ΩFFΣLLIα_LFM2-24B-A2B-abliterated_MXFP4_hybrid.gguf filter=lfs diff=lfs merge=lfs -text
 ΩFFΣLLIα_Qwen3.5-4B-_MXFP4_hybrid.gguf filter=lfs diff=lfs merge=lfs -text
 ΩFFΣLLIα_DeepSeek-Coder-V2-Lite-Instruct_MXFP4_MOE.gguf filter=lfs diff=lfs merge=lfs -text

 ΩFFΣLLIα_ΩFFΣLLIα_LFM2-24B-A2B-abliterated_MXFP4_hybrid.gguf filter=lfs diff=lfs merge=lfs -text
 ΩFFΣLLIα_Qwen3.5-4B-_MXFP4_hybrid.gguf filter=lfs diff=lfs merge=lfs -text
 ΩFFΣLLIα_DeepSeek-Coder-V2-Lite-Instruct_MXFP4_MOE.gguf filter=lfs diff=lfs merge=lfs -text
+ΩFFΣLLIα_DeepHat-V1-7B_MXFP4_MOE.gguf filter=lfs diff=lfs merge=lfs -text

ΩFFΣLLIα_DeepHat-V1-7B_MXFP4_MOE.gguf ADDED Viewed

	@@ -0,0 +1,3 @@

+version https://git-lfs.github.com/spec/v1
+oid sha256:25e0ef99619320019405137cad21a7f3fb69469bdc1979191b5be7c6d2b2121b
+size 8098526848