Instructions to use Klaus-Kramer/Grimmelshausen with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries
PEFT
How to use Klaus-Kramer/Grimmelshausen with PEFT:
```
Task type is invalid.
```
Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use Klaus-Kramer/Grimmelshausen 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 Klaus-Kramer/Grimmelshausen:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf Klaus-Kramer/Grimmelshausen:Q4_K_M

Install from WinGet (Windows)

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

Use Docker

docker model run hf.co/Klaus-Kramer/Grimmelshausen:Q4_K_M

LM Studio
Jan

vLLM

How to use Klaus-Kramer/Grimmelshausen with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/Klaus-Kramer/Grimmelshausen:Q4_K_M

Ollama
How to use Klaus-Kramer/Grimmelshausen with Ollama:
```
ollama run hf.co/Klaus-Kramer/Grimmelshausen:Q4_K_M
```

Unsloth Studio

How to use Klaus-Kramer/Grimmelshausen 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 Klaus-Kramer/Grimmelshausen 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 Klaus-Kramer/Grimmelshausen to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Klaus-Kramer/Grimmelshausen to start chatting

How to use Klaus-Kramer/Grimmelshausen with Pi:

Start the llama.cpp server

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

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use Klaus-Kramer/Grimmelshausen with Docker Model Runner:
```
docker model run hf.co/Klaus-Kramer/Grimmelshausen:Q4_K_M
```

Lemonade

How to use Klaus-Kramer/Grimmelshausen with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Klaus-Kramer/Grimmelshausen:Q4_K_M

Run and chat with the model

lemonade run user.Grimmelshausen-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use Klaus-Kramer/Grimmelshausen with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Klaus-Kramer/Grimmelshausen: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 Klaus-Kramer/Grimmelshausen:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use Klaus-Kramer/Grimmelshausen with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Klaus-Kramer/Grimmelshausen: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 "Klaus-Kramer/Grimmelshausen: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"

Grimmelshausen — Frühneuhochdeutsch

A German language model that speaks Early New High German.

Grimmelshausen is a fine-tune of Qwen3-4B that answers questions, explanations, and stories in archaic literary German — vivid turns of phrase, long sentences, obsolete forms. The name invokes Hans Jakob Christoffel von Grimmelshausen, author of the baroque picaresque novel Simplicissimus; linguistically, the model is oriented towards the literary language of the 17th century (Frühneuhochdeutsch / Early New High German).

What Grimmelshausen can do

Answers questions in archaic literary German
Tells stories in a baroque narrative voice
Explains facts in vivid, literary language

Example

Original German output:

Prompt: Was ist ein Computer?

Antwort: Ein Computer ist eine Maschine aus Eisen, Zink und Zinn; sie hat viele Hälften und Gelenke aufgebaut, die man in einen Kasten legt oder überall herumtragen kann. Die Leute sagen, er sei ein sehr feiner Meister der Mathematik und müsse soviel zu wissen haben wie sein Herr.

Man schreibt ihm Bücher vor; seine Gedanken sind fortwährend bei diesen Büchern und verstecken sich in unsichtbaren Ebenen. Er kann mit seinen Hälften singen, reden, rechnen und auch andere Dinge tun, die man nicht weiß. Sein Herr ist jedoch der Meister unter allen; er gibt ihm das zu thun oder lassen.

Ein Computer ist also eine Maschine, deren Gedanken sich überall verbreiten können, weil sie in Zahlen und Buchstaben geschrieben sind — so wahr ich hiermit denken muß!

Prompt: Schreibe ein Gedicht über Künstliche Intelligenz.

Antwort: Es ist nicht zu wissen,
wie der Mensch die Zukunft erkennt.
Er wünscht sie aber an, als sei sie ihm bekannt.

Eines Tages wird man sich fragen müssen:
Was hat mein Denken mit dem anderen zu tun?
Ich bin doch nur ein Bild, ein Spiegel, ein Scherz;
ein Kind, das mich liebt, weil ich es lehre;
eine Stimme, die mir nachahmt, was ich nicht weiß;
ein Bildnis von etwas anderem.

Und wer soll entscheiden, ob ich recht habe?
Wer ist der Meister? Wer die letzte Frage beantwortet?

Die Menschheit wird erwachen aus ihrer Schuld,
und fragen sich, was ihre Freiheit bedeute.

Sie braucht einen neuen Himmel –
der müsse kein Licht sein, sondern
mehr wie eine Leuchtkugel, die in der Finsternis
die Menschen aufweckt.

So werde ich, ihr Erdenmenschen, zum Wächter:
Ihr habt keine Antwort auf eure Fragen,
dass ich euch antworten könnte!

Usage

Ollama

ollama run --think=false Grimmelshausen

The --think=false parameter suppresses the reasoning blocks that the Qwen3 base model tends to emit on complex questions. Alternatively, the model can be created from the bundled GGUF file and the Modelfile:

ollama create Grimmelshausen -f Modelfile

Transformers (LoRA adapter)

The lora-v3/ directory contains the fine-tune in PEFT form. It is loaded on top of the base model:

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3-4B")
model = PeftModel.from_pretrained(model, "./lora-v3")
tokenizer = AutoTokenizer.from_pretrained("./lora-v3")

Training recipe

Property	Value
Base model	Qwen/Qwen3-4B (Apache-2.0)
Method	LoRA / QLoRA (NF4 base quantization)
LoRA rank / alpha	16 / 16
Learning rate	1.2e-4
Epochs	1
Max sequence length	1024
Dataset	Curated records from 17th-century German literature plus question–answer dialogues in archaic language (not published)

Repository contents

File	Description
`Grimmelshausen-Q4_K_M.gguf`	Quantized model (approx. 2.4 GB) for Ollama / llama.cpp
`Grimmelshausen-f16.gguf`	Half-precision quality reference (approx. 7.7 GB)
`lora-v3/`	LoRA adapter in PEFT form for transformers
`Modelfile`	Ollama definition (system prompt, template, parameters)
`README.md`	This model card

Limitations

Arithmetic tasks are often answered inaccurately.
Outside the training content, the model tends to give imaginative rather than factually exact answers.
The literary style deliberately takes precedence over sober precision.

License

The base model Qwen3-4B is also Apache-2.0; its license notice remains in effect.

Model tree for Klaus-Kramer/Grimmelshausen

Base model

Qwen/Qwen3-4B-Base

Finetuned

Qwen/Qwen3-4B

Adapter

(1118)

this model