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

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use DKTechin/kanana 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 DKTechin/kanana:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf DKTechin/kanana:Q4_K_M

Install from WinGet (Windows)

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

Use Docker

docker model run hf.co/DKTechin/kanana:Q4_K_M

LM Studio
Jan

vLLM

How to use DKTechin/kanana with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/DKTechin/kanana:Q4_K_M

Ollama
How to use DKTechin/kanana with Ollama:
```
ollama run hf.co/DKTechin/kanana:Q4_K_M
```

Unsloth Studio

How to use DKTechin/kanana 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 DKTechin/kanana 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 DKTechin/kanana to start chatting

Using HuggingFace Spaces for Unsloth

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

How to use DKTechin/kanana with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf DKTechin/kanana: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": "DKTechin/kanana:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

OpenClaw new

How to use DKTechin/kanana with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf DKTechin/kanana: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 "DKTechin/kanana: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"

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

Lemonade

How to use DKTechin/kanana with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull DKTechin/kanana:Q4_K_M

Run and chat with the model

lemonade run user.kanana-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use DKTechin/kanana with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf DKTechin/kanana: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 DKTechin/kanana:Q4_K_M

Run Hermes

hermes

Atomic Chat

kanana / README.md

succeun

docs: Kanana Open License 사본·NOTICE·모델 카드 추가 (§3.1 재배포 의무) (#1)

0be0d30 16 days ago

preview code

Raw

History Blame Contribute Delete

3.72 kB

metadata

license: other
license_name: kanana
license_link: LICENSE
base_model: kakaocorp/kanana-2-3b-instruct
base_model_relation: quantized
pipeline_tag: text-generation
language:
  - ko
  - en
tags:
  - gguf
  - llama.cpp
  - quantized
  - kanana

Kanana 2 3B Instruct — GGUF (Q4_K_M)

Powered by Kanana

kakaocorp/kanana-2-3b-instruct 를 llama.cpp 에서 바로 쓸 수 있게 GGUF 로 변환하고 4bit(Q4_K_M) 양자화한 파일입니다. 원본 배포에는 GGUF 가 없어 사내 온디바이스(로컬 LLM) 용도로 직접 변환했습니다.


파일	`kanana-2-3b-instruct-Q4_K_M.gguf`
크기	2,161,793,408 bytes (2.01 GiB)
양자화	Q4_K_M — 4.92 BPW (원본 BF16 16.00 BPW)
아키텍처	`qwen3` (원본 `config.json` 이 `Qwen3ForCausalLM`)
토크나이저	`tokenizer.ggml.pre = kanana2`, vocab 128,256
컨텍스트	32,768 (rope: yarn, factor 40, original 4,096)
대화 서식	원본 `chat_template.jinja` 를 GGUF 메타데이터에 포함

변경 사항 (Kanana Open License §3.1(iii))

가중치의 값을 바꾸는 학습·파인튜닝·병합은 하지 않았습니다. 원본 safetensors 를 아래 절차로 형식 변환 + 4bit 양자화만 했습니다.

# llama.cpp @ 7e1e28c (2026-07-28)
python convert_hf_to_gguf.py kanana-2-3b-instruct --outtype bf16 \
  --outfile kanana-2-3b-instruct-BF16.gguf
./build/bin/llama-quantize kanana-2-3b-instruct-BF16.gguf \
  kanana-2-3b-instruct-Q4_K_M.gguf Q4_K_M

4bit 양자화는 원본 대비 품질 손실을 수반합니다. 원본 품질이 필요하면 위 링크의 원본 저장소를 쓰세요.

사용법

# llama.cpp
llama-cli -hf DKTechin/kanana:Q4_K_M -c 2048 --jinja \
  -sys "당신은 사내 메신저 대화를 간결하게 요약하는 도우미입니다." \
  -p "아래 대화를 3줄로 요약해줘: ..."

LM Studio·Jan·Ollama 등 GGUF 를 읽는 런타임에서도 그대로 씁니다. 시스템 프롬프트 없이 쓰면 요약 대신 입력을 되풀이하는 경향이 있어, 역할을 지정하는 시스템 프롬프트를 함께 주는 편이 안전합니다.

확인한 것 · 확인하지 못한 것

확인: 메타데이터(arch·tokenizer pre·rope·chat template), 실제 한국어 요약 생성, macOS/Metal 기준 2048 토큰 조건에서 프롬프트 1,375 t/s · 생성 128 t/s.
미확인: 32k 장문 품질. 원본 config.json 은 rope 배수를 40 으로 적어 두었지만 길이 비율(32,768 / 4,096)로 계산하면 8 이라 서로 맞지 않습니다. 원본 파이썬 런타임과 동작을 맞추기 위해 명시값 40 을 그대로 기록했으니, 아주 긴 입력에서 이상하면 이 값을 먼저 의심하세요.

라이선스

이 파일은 Kanana Open License Agreement 를 따르는 파생물입니다. 사본은 이 저장소의 LICENSE, 고지 문구는 NOTICE 에 있습니다.

사용자는 원본과 동일하게 금지된 사용 정책(Agreement §2.2) 과 KAKAO 의 Guidelines For Responsible AI 를 준수해야 하며, 이 파일을 재배포할 때에도 같은 의무를 후속 사용자에게 알려야 합니다.
API·클라우드 등으로 제3자에게 접근을 제공하거나 재판매하려면 KAKAO 의 별도 상업 라이선스가 필요합니다(Agreement §4).
이 파일을 사용하는 웹사이트·UI·문서에는 "Powered by Kanana" 를 알아볼 수 있게 표시해야 합니다(Agreement §3.1(v)).

Kanana is licensed in accordance with the Kanana Open License Agreement.
Copyright © KAKAO Corp. All Rights Reserved.