Instructions to use Keyven/german-text-3.1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Keyven/german-text-3.1 with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="Keyven/german-text-3.1",
	filename="german-text-3.1-2B-F16.gguf",
)

llm.create_chat_completion(
	messages = [
		{
			"role": "user",
			"content": "What is the capital of France?"
		}
	]
)

Notebooks
Google Colab
Kaggle
Local Apps

llama.cpp

How to use Keyven/german-text-3.1 with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Keyven/german-text-3.1:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Keyven/german-text-3.1:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Keyven/german-text-3.1:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Keyven/german-text-3.1: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 Keyven/german-text-3.1:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf Keyven/german-text-3.1: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 Keyven/german-text-3.1:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Keyven/german-text-3.1:Q4_K_M

Use Docker

docker model run hf.co/Keyven/german-text-3.1:Q4_K_M

LM Studio
Jan

vLLM

How to use Keyven/german-text-3.1 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Keyven/german-text-3.1"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Keyven/german-text-3.1",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Keyven/german-text-3.1:Q4_K_M

Ollama
How to use Keyven/german-text-3.1 with Ollama:
```
ollama run hf.co/Keyven/german-text-3.1:Q4_K_M
```

Unsloth Studio new

How to use Keyven/german-text-3.1 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 Keyven/german-text-3.1 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 Keyven/german-text-3.1 to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Keyven/german-text-3.1 to start chatting

Docker Model Runner
How to use Keyven/german-text-3.1 with Docker Model Runner:
```
docker model run hf.co/Keyven/german-text-3.1:Q4_K_M
```

Lemonade

How to use Keyven/german-text-3.1 with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Keyven/german-text-3.1:Q4_K_M

Run and chat with the model

lemonade run user.german-text-3.1-Q4_K_M

List all available models

lemonade list

german-text-3.1 / README.md

Keyven

Release

a0faedd 17 days ago

preview code

raw

history blame contribute delete

4.52 kB

	---
	license: apache-2.0
	language:
	- de
	- en
	tags:
	- chat
	- assistant
	- german
	- text
	- gguf
	- llama-cpp
	- ollama
	pipeline_tag: text-generation
	---

	# 🇩🇪 German-Text-3.1

	> Der deutsche Text-Assistent von [Keyvan.ai](https://german-ocr.de) — Teil der German-OCR-3 Kollektion.

	```bash
	ollama run Keyvan/german-text-3.1
	```

	---

	## Die Geschichte

	German-OCR-3 begann als kleine Idee: ein Modell, das deutsche Geschäftsdokumente
	wirklich versteht — Rechnungen, Briefe, Bescheide, Verträge. Nicht „auch deutsch", sondern
	auf deutsche Sprache und deutsche Bürokratie spezialisiert.

	Die 3.1-Generation ist die feinabgestimmte, engineered + optimierte Version dieser
	Kollektion. Zwei spezialisierte Modelle für zwei Aufgaben:

	\| Modell \| Rolle \|
	\|---\|---\|
	\| 🇩🇪 German-Text-3.1 (du bist hier) \| Text-Assistent für Übersetzung, Zusammenfassung, Analyse, Umschreibung, Chat \|
	\| 👁 [German-OCR-3.1](https://ollama.com/Keyvan/german-ocr-3.1) \| Vision-OCR — extrahiert deutsche Geschäftsdokumente strukturiert als JSON \|

	Jedes Modell wurde für seine Aufgabe brand-konsistent konfiguriert, mit deutscher
	Identität, sauberem Output ohne Thinking-Leak, und Multi-Quant-Distribution.

	---

	## ✨ Was kann das Modell?

	\| Aufgabe \| Beispiel \|
	\|---\|---\|
	\| 🌍 Übersetzung DE↔EN multilingual \| „Bitte schicken Sie mir die Rechnung bis Freitag." → "Please send me the invoice by Friday." \|
	\| 📝 Zusammenfassung \| Mehrseitiger Bescheid → 2 Sätze, Zahlen + Namen exakt \|
	\| ✍️ Umschreibung \| Informell → formelles Geschäftsdeutsch \|
	\| 🔍 Analyse \| Hauptaussagen, Risiken, Empfehlungen \|
	\| 💬 Chat \| Q&A über deutsche Geschäftssprache, Verwaltung, Dokumente \|
	\| 🛠 Tool-Use \| Function-Calling kompatibel \|

	Stark im deutschen Geschäftskontext: Verträge, Behördenschreiben, Rechnungen,
	Mahnungen, Lieferscheine, Steuerbescheide.

	---

	## 🚀 Quick Start

	### Ollama (1 Zeile)

	```bash
	ollama run Keyvan/german-text-3.1
	>>> Übersetze ins Englische: Bitte schicken Sie mir die Rechnung bis Freitag.
	Please send me the invoice by Friday.
	```

	API:

	```bash
	curl http://localhost:11434/api/chat -d '{
	"model": "Keyvan/german-text-3.1",
	"messages": [{"role":"user","content":"Fasse zusammen: ..."}],
	"think": false
	}'
	```

	### llama-server (HF GGUF)

	```bash
	hf download Keyven/german-text-3.1 german-text-3.1-4B-Q8_0.gguf
	llama-server -m german-text-3.1-4B-Q8_0.gguf --port 8080 -ngl 99
	```

	---

	## 📦 Files (auf [HuggingFace](https://huggingface.co/Keyven/german-text-3.1))

	### 4B Variant — Empfohlen für Qualität

	\| File \| Größe \| Use case \|
	\|---\|---\|---\|
	\| `german-text-3.1-4B-Q4_K_M.gguf` \| 2.6 GB \| Compact GPU \|
	\| `german-text-3.1-4B-Q5_K_M.gguf` \| 2.9 GB \| Balanced \|
	\| `german-text-3.1-4B-Q6_K.gguf` \| 3.3 GB \| Near-lossless \|
	\| `german-text-3.1-4B-Q8_0.gguf` \| 4.3 GB \| ⭐ Recommended \|
	\| `german-text-3.1-4B-F16.gguf` \| 8.0 GB \| Full precision \|

	### 2B Variant — Edge / Low-RAM

	\| File \| Größe \| Use case \|
	\|---\|---\|---\|
	\| `german-text-3.1-2B-Q4_K_M.gguf` \| 1.2 GB \| Edge, ~2 GB RAM \|
	\| `german-text-3.1-2B-Q8_0.gguf` \| 1.9 GB \| Schneller \|
	\| `german-text-3.1-2B-F16.gguf` \| 3.6 GB \| Full precision 2B \|

	---

	## 🛠 Hardware

	\| Variant \| RAM (CPU) \| VRAM (GPU) \|
	\|---\|---\|---\|
	\| 2B Q4 \| 2 GB \| 2 GB \|
	\| 4B Q4 \| 4 GB \| 4 GB \|
	\| 4B Q8 \| 6 GB \| 6 GB \|
	\| 4B F16 \| 10 GB \| 10 GB \|

	CPU-Inference möglich, GPU empfohlen. Context: 32 768 Tokens.

	---

	## 🤝 German-OCR Familie

	\| \| Was \| Wo \|
	\|---\|---\|---\|
	\| 🇩🇪 German-Text-3.1 \| Text-Assistent (du bist hier) \| [ollama.com](https://ollama.com/Keyvan/german-text-3.1) · [HF](https://huggingface.co/Keyven/german-text-3.1) \|
	\| 👁 German-OCR-3.1 \| Vision OCR (DE-Rechnungen → JSON) \| [ollama.com](https://ollama.com/Keyvan/german-ocr-3.1) · [HF](https://huggingface.co/Keyven/german-ocr-3.1) \|
	\| ☁️ German-OCR Cloud API \| Managed OCR Service \| [german-ocr.de](https://german-ocr.de) \|
	\| 📝 German-OCR for Word \| Office Add-in \| [office.german-ocr.de](https://office.german-ocr.de) \|

	---

	## 📜 License & Credits

	Apache License 2.0 — kommerzielle Nutzung mit Attribution erlaubt.

	NOTICE: Aufgebaut auf [Qwen3.5](https://qwenlm.github.io/) von Alibaba Cloud.
	Die German-OCR-3.1-Kollektion ist eine in Deutschland engineered + optimierte
	Distribution für deutsche Geschäftsdokumente. Architecture credit: Qwen Team.

	Build mit ❤️ in 🇩🇪 von [Keyvan Hardani](https://german-ocr.de).