Instructions to use Flashtond22/Taltos-27B-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use Flashtond22/Taltos-27B-GGUF 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 Flashtond22/Taltos-27B-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf Flashtond22/Taltos-27B-GGUF:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf Flashtond22/Taltos-27B-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf Flashtond22/Taltos-27B-GGUF: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 Flashtond22/Taltos-27B-GGUF:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf Flashtond22/Taltos-27B-GGUF: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 Flashtond22/Taltos-27B-GGUF:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Flashtond22/Taltos-27B-GGUF:Q4_K_M

Use Docker

docker model run hf.co/Flashtond22/Taltos-27B-GGUF:Q4_K_M

LM Studio
Jan

vLLM

How to use Flashtond22/Taltos-27B-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Flashtond22/Taltos-27B-GGUF"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Flashtond22/Taltos-27B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Flashtond22/Taltos-27B-GGUF:Q4_K_M

Ollama
How to use Flashtond22/Taltos-27B-GGUF with Ollama:
```
ollama run hf.co/Flashtond22/Taltos-27B-GGUF:Q4_K_M
```

Unsloth Studio

How to use Flashtond22/Taltos-27B-GGUF 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 Flashtond22/Taltos-27B-GGUF 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 Flashtond22/Taltos-27B-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Flashtond22/Taltos-27B-GGUF to start chatting

How to use Flashtond22/Taltos-27B-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Flashtond22/Taltos-27B-GGUF: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": "Flashtond22/Taltos-27B-GGUF:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use Flashtond22/Taltos-27B-GGUF with Docker Model Runner:
```
docker model run hf.co/Flashtond22/Taltos-27B-GGUF:Q4_K_M
```

Lemonade

How to use Flashtond22/Taltos-27B-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Flashtond22/Taltos-27B-GGUF:Q4_K_M

Run and chat with the model

lemonade run user.Taltos-27B-GGUF-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use Flashtond22/Taltos-27B-GGUF with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Flashtond22/Taltos-27B-GGUF: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 Flashtond22/Taltos-27B-GGUF:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use Flashtond22/Taltos-27B-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Flashtond22/Taltos-27B-GGUF: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 "Flashtond22/Taltos-27B-GGUF: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"

✦ TÁLTOS-27B ✦ GGUF

Fusson a magyar modell a saját gépeden

Ollama · llama.cpp · LM Studio · Jan · KoboldCpp

Melyiket töltsd le

Változat	Méret	VRAM	Minőség	Kinek
`Q8_0`	29 GB	31 GB	🟢🟢🟢🟢🟢	Ha van rá hardvered, ez gyakorlatilag az eredeti
`Q6_K`	23 GB	25 GB	🟢🟢🟢🟢🟢	Kiváló, a különbség alig mérhető
`Q5_K_M`	20 GB	22 GB	🟢🟢🟢🟢	Nagyon jó, 24 GB-os kártyán elfér
`Q4_K_M`	17 GB	19 GB	🟢🟢🟢🟢	A legjobb arány. Ezt válaszd, ha bizonytalan vagy.
`Q3_K_M`	13 GB	15 GB	🟡🟡🟡	Használható, de a hosszú levezetéseknél már hibázik
`Q2_K`	10 GB	12 GB	🟠🟠	Csak ha muszáj. Lásd a figyelmeztetést lent.

⚠️ Hol romlik a minőség

Q4_K_M fölött a különbség a legtöbb feladatban észrevehetetlen. Nyugodtan használd.

Q3_K_M-nél megjelennek az első hibák: a hosszabb matematikai levezetések elcsúsznak, a ritkább szakszavak pontatlanabbak lesznek. Beszélgetésre és fogalmazásra még jó.

Q2_K-nál a romlás már egyértelmű. A magyar nyelvhelyesség nagyrészt megmarad, de a tényszerű pontosság és a többlépéses gondolkodás érezhetően gyengül. Ezt csak akkor válaszd, ha a hardvered mást nem enged, és ne támaszkodj a válaszaira ellenőrzés nélkül.

Ollama

A leggyorsabb út. Egyetlen paranccsal fut:

ollama run hf.co/Flashtond22/Taltos-27B-GGUF:Q4_K_M

Másik változathoz csak a címkét cseréld:

ollama run hf.co/Flashtond22/Taltos-27B-GGUF:Q6_K
ollama run hf.co/Flashtond22/Taltos-27B-GGUF:Q3_K_M
ollama run hf.co/Flashtond22/Taltos-27B-GGUF:Q2_K

Saját Modelfile a magyar rendszerüzenettel

Így a modell mindig Táltosként, magyarul indul:

FROM hf.co/Flashtond22/Taltos-27B-GGUF:Q4_K_M

SYSTEM """Te vagy a Táltos, magyar nyelvre hangolt mesterséges intelligencia.
Természetes, anyanyelvi magyarsággal válaszolsz: helyes szórenddel, ragozással,
tükörfordítás nélkül. Pontos vagy és lényegre törő. Ha valamit nem tudsz, azt
megmondod ahelyett, hogy kitalálnád."""

PARAMETER temperature 0.7
PARAMETER top_p 0.92
PARAMETER num_ctx 16384

ollama create taltos -f Modelfile
ollama run taltos

llama.cpp

# letöltés
huggingface-cli download Flashtond22/Taltos-27B-GGUF \
  Taltos-27B-Q4_K_M.gguf --local-dir .

# beszélgetés
llama-cli -m Taltos-27B-Q4_K_M.gguf -cnv \
  -p "Te vagy a Táltos, magyar nyelvre hangolt mesterséges intelligencia." \
  --temp 0.7 --top-p 0.92 -c 16384 -ngl 99

OpenAI-kompatibilis szerverként:

llama-server -m Taltos-27B-Q4_K_M.gguf -c 16384 -ngl 99 --host 0.0.0.0 --port 8080

A -ngl 99 az összes réteget a videokártyára teszi. Ha nem fér el, csökkentsd (-ngl 40), a többi a processzoron fut.

LM Studio, Jan, KoboldCpp

Keresd rá a felületen: Flashtond22/Taltos-27B-GGUF, majd válaszd a hardveredhez illő változatot a fenti táblázat alapján.

Mi ez a modell

A Táltos-27B egy 27,8 milliárd paraméteres, magyar nyelvre hangolt modell. Az erőssége a természetes magyar fogalmazás, a magyar nyelvű gondolatmenet és a jól tagolt, lényegre törő válasz.

Fej-fej melletti összehasonlításban 55 magyar feladaton, független bíró értékelése szerint 55,5 %-ban bizonyult jobbnak az alapmodelljénél. A teljes leírás és a mérési részletek az alap repóban találhatók.

Az összes változat

Formátum	Repó	Mikor
bf16	Taltos-27B	Szerver, továbbtanítás
FP8	Taltos-27B-FP8	vLLM, egy 40 GB-os kártya
GGUF	ez a repó	Otthoni gép, Ollama, CPU

Licenc

Apache 2.0. Szabadon használható, módosítható, üzleti célra is. Az alapmodell a Qwen/Qwen3.8-27B, szintén Apache 2.0.

✦ TÁLTOS-27B ✦

Magyar fejlesztés

Downloads last month: 86

GGUF

Model size

27B params

Architecture

qwen35

Hardware compatibility

2-bit

3-bit

4-bit

5-bit

6-bit

8-bit

Model tree for Flashtond22/Taltos-27B-GGUF

Base model

Qwen/Qwen3.8-27B

Finetuned

Flashtond22/Taltos-27B

Quantized

(3)

this model