Instructions to use Fyrex12/Camanor with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use Fyrex12/Camanor 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 Fyrex12/Camanor:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf Fyrex12/Camanor:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf Fyrex12/Camanor:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf Fyrex12/Camanor:Q4_K_M

Build from source code

git clone https://github.com/ggml-org/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-app
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama serve -hf Fyrex12/Camanor:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama cli -hf Fyrex12/Camanor:Q4_K_M

Use Docker

docker model run hf.co/Fyrex12/Camanor:Q4_K_M

Llama new
LM Studio
Jan
Ollama
How to use Fyrex12/Camanor with Ollama:
```
ollama run hf.co/Fyrex12/Camanor:Q4_K_M
```
Unsloth Desktop

How to use Fyrex12/Camanor with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Fyrex12/Camanor: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": "Fyrex12/Camanor:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use Fyrex12/Camanor with Docker Model Runner:
```
docker model run hf.co/Fyrex12/Camanor:Q4_K_M
```

Lemonade

How to use Fyrex12/Camanor with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Fyrex12/Camanor:Q4_K_M

Run and chat with the model

lemonade run user.Camanor-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use Fyrex12/Camanor with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Fyrex12/Camanor: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 Fyrex12/Camanor:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use Fyrex12/Camanor with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Fyrex12/Camanor: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 "Fyrex12/Camanor: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"

🌙 Camanor

«Компактная, но с характером» — нейросеть для веб-разработки и работы с данными, которая знает, как её зовут.

Camanor — это дообученная Llama-3.2-1B-Instruct, превращённая в специализированную ассистентку. Она лёгкая (всего 1.24B параметров), быстрая и запускается даже на слабом железе — от ноутбука с 6 ГБ видеопамяти или чистого CPU.

✨ Что она умеет

🪪 Помнит себя — спросите «Кто ты?» на русском или английском, и она ответит: «Я — Camanor». Она не GPT, не Claude и не стесняется этого.

🌐 Верстает сайты — HTML5-страницы, формы, таблицы, списки, навигация, семантическая разметка, встроенные CSS-стили и JS-обработчики.

🐍 Кодит на Python — скрипты для обработки данных, работа с файлами, базовые алгоритмы.

📊 Дружит с датасетами — объяснит, что такое CSV/JSON/Parquet, покажет загрузку через pandas и Hugging Face datasets, поможет конвертировать данные в HTML-таблицы.

🗣 Двуязычна — свободно отвечает на русском и английском.

👤 Кто создал Camanor

Автор и владелец модели — Fyrex12.

Как она появилась на свет:

База: meta-llama/Llama-3.2-1B-Instruct
Метод: QLoRA (r=16), bf16-слияние адаптера
Корпус: 55 открытых датасетов (~80 МБ): русский язык, Python-код, HTML/CSS/JS + авторские само-диалоги «Camanor с Camanor»
Железо: одна ноутбуочная NVIDIA RTX 3050 6GB 💪

📦 Файлы и кванты

Файл	Размер	Для чего
`model.safetensors`	~2.5 ГБ	Полная модель (transformers, fine-tuning)
`camanor-Q4_K_M.gguf`	~810 МБ	⭐ Лучший выбор: LM Studio / Ollama
`camanor-Q8_0.gguf`	~1.3 ГБ	Чище качество, если есть память
`camanor-f16.gguf`	~2.5 ГБ	Без сжатия

🖥 Как запустить в LM Studio

Скачай LM Studio для своей ОС.
Вкладка поиска (🔍) → введи: Fyrex12/Camanor
Выбери camanor-Q4_K_M.gguf → Download.
Открой чат → выбери загруженную модель.
Спроси: «Привет, кто ты?» — и познакомься 😊

В настройках модели поставьте Temperature ≈ 0.7. Шаблон чата подхватится автоматически (Llama 3).

🦙 Как запустить в Ollama

Вариант 1 — прямо из Hugging Face:

ollama run hf.co/Fyrex12/Camanor

Вариант 2 — через Modelfile (файл Modelfile в репозитории):

curl -L -o camanor.gguf https://huggingface.co/Fyrex12/Camanor/resolve/main/camanor-Q4_K_M.gguf
curl -L -o Modelfile https://huggingface.co/Fyrex12/Camanor/resolve/main/Modelfile
ollama create camanor -f Modelfile
ollama run camanor

🐍 Или через Python (transformers)

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("Fyrex12/Camanor")
model = AutoModelForCausalLM.from_pretrained("Fyrex12/Camanor", torch_dtype="bfloat16", device_map="auto")

msgs = [{"role": "user", "content": "Сделай HTML страницу с кнопкой"}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids, max_new_tokens=400, temperature=0.7,
                     eos_token_id=[tok.eos_token_id, 128009])
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))

🚨 ВАЖНО: Системный промпт

Camanor держит личность и трезвость только с системным промптом. Вставьте это в настройках модели (LM Studio → System Prompt / Ollama Modelfile уже содержит):

You are Camanor, a compact AI assistant for HTML coding and datasets. Ты — Camanor, ассистент по веб-разработке и датасетам.

Рекомендация по кванту: для модели 1B берите Q8_0 — Q4_K_M заметно деградирует на таком размере.

⚠️ Ограничения

Camanor — малышка на 1B параметров: код пишет простой, уровня учебных задач и типовой вёрстки. Может галлюцинировать в сложных темах и путаться в длинных рассуждениях. Обучена на контекстах до 512 токенов (базовый контекст Llama 3.2 — до 128k).

Рождена в связке с opencode на RTX 3050 Laptop. 💙

Downloads last month: 125

Safetensors

Model size

1B params

Tensor type

BF16

Inference Providers NEW

This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for Fyrex12/Camanor

Base model

meta-llama/Llama-3.2-1B-Instruct

Quantized

(434)

this model