Instructions to use Mattimax/DAC3-0.5B-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Mattimax/DAC3-0.5B-GGUF with Transformers:

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("Mattimax/DAC3-0.5B-GGUF", dtype="auto")

llama-cpp-python

How to use Mattimax/DAC3-0.5B-GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="Mattimax/DAC3-0.5B-GGUF",
	filename="data-ai_chat_3_0.5b-q4_k_m.gguf",
)

llm.create_chat_completion(
	messages = "No input example has been defined for this model task."
)

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use Mattimax/DAC3-0.5B-GGUF with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Mattimax/DAC3-0.5B-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Mattimax/DAC3-0.5B-GGUF:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Mattimax/DAC3-0.5B-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Mattimax/DAC3-0.5B-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 Mattimax/DAC3-0.5B-GGUF:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf Mattimax/DAC3-0.5B-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 Mattimax/DAC3-0.5B-GGUF:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Mattimax/DAC3-0.5B-GGUF:Q4_K_M

Use Docker

docker model run hf.co/Mattimax/DAC3-0.5B-GGUF:Q4_K_M

LM Studio
Jan
Ollama
How to use Mattimax/DAC3-0.5B-GGUF with Ollama:
```
ollama run hf.co/Mattimax/DAC3-0.5B-GGUF:Q4_K_M
```

Unsloth Studio

How to use Mattimax/DAC3-0.5B-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 Mattimax/DAC3-0.5B-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 Mattimax/DAC3-0.5B-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Mattimax/DAC3-0.5B-GGUF to start chatting

How to use Mattimax/DAC3-0.5B-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf Mattimax/DAC3-0.5B-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": "Mattimax/DAC3-0.5B-GGUF:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use Mattimax/DAC3-0.5B-GGUF with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf Mattimax/DAC3-0.5B-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 Mattimax/DAC3-0.5B-GGUF:Q4_K_M

Run Hermes

hermes

Docker Model Runner
How to use Mattimax/DAC3-0.5B-GGUF with Docker Model Runner:
```
docker model run hf.co/Mattimax/DAC3-0.5B-GGUF:Q4_K_M
```

Lemonade

How to use Mattimax/DAC3-0.5B-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Mattimax/DAC3-0.5B-GGUF:Q4_K_M

Run and chat with the model

lemonade run user.DAC3-0.5B-GGUF-Q4_K_M

List all available models

lemonade list

Model Card per Mattimax/DATA-AI_Chat_3_0.5B-Q4_K_M-GGUF (DAC)

Descrizione del Modello

Mattimax/DATA-AI_Chat_3_0.5B-Q4_K_M-GGUF, noto anche come DAC, è la prima versione ufficiale quantizzata del modello conversazionale DATA-AI Chat 3.0.5B, pubblicata nel maggio dello scorso anno. Il modello è progettato per generare risposte interattive, coerenti e contestualmente rilevanti in scenari di chat e applicazioni di assistenza virtuale.

Questa versione quantizzata consente un utilizzo più leggero in termini di risorse hardware senza compromettere le capacità conversazionali del modello originale.

Sviluppato da: Mattimax Team
Finanziato da: M.INC.
Condiviso da: Mattimax
Tipo di modello: LLM (chatbot)
Licenza: Apache-2.0

Storia e Contesto

La serie DATA-AI Chat ha riscosso grande successo nelle applicazioni di chatbot avanzati.
Dopo la pubblicazione originale, il modello è stato quantizzato ufficialmente per la prima volta, ottenendo maggiore efficienza computazionale.
Contestualmente, la denominazione del modello è stata abbreviata in DAC (acronimo di DATA-AI Chat), come parte della strategia di brand della serie di modelli sviluppati da M.INC..

Fonti del Modello

Repository: https://huggingface.co/Mattimax/DATA-AI_Chat_3_0.5B-Q4_K_M-GGUF

🔹 Chi ha creato DAC?

DAC è stato sviluppato da M.INC., azienda italiana fondata da Mattimax (M. Marzorati), con l’obiettivo di produrre modelli conversazionali leggeri e performanti, adatti a deployment su dispositivi con risorse limitate.

🔹 Altri Progetti di M.INC.

Oltre a DAC, M.INC. ha creato DATANET, un’applicazione di chat avanzata basata sui modelli DATA-AI.

🔹 Lingue di Addestramento

Il modello supporta italiano, inglese, spagnolo, francese, oltre ad altre lingue principali tra cui cinese, portoghese, tedesco, russo, giapponese, coreano, vietnamita, thailandese e arabo.

📥 Download e Utilizzo

Puoi utilizzare DAC attraverso llama.cpp o librerie compatibili con modelli GGUF. Esempio CLI:

llama-cli --hf-repo Mattimax/DATA-AI_Chat_3_0.5B-Q4_K_M-GGUF --hf-file data-ai_chat_3_0.5b-q4_k_m.gguf -p "Ciao DAC, come stai oggi?"

Server mode:

llama-server --hf-repo Mattimax/DATA-AI_Chat_3_0.5B-Q4_K_M-GGUF --hf-file data-ai_chat_3_0.5b-q4_k_m.gguf -c 2048

📢 Contatti e Supporto

Per domande, collaborazioni o supporto tecnico, contatta M.INC. direttamente tramite la pagina del progetto su Hugging Face.

Downloads last month: 8

GGUF

Model size

0.5B params

Architecture

qwen2

Hardware compatibility

4-bit

Inference Providers NEW

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

Model tree for Mattimax/DAC3-0.5B-GGUF

Base model

Qwen/Qwen2.5-0.5B

Finetuned

Qwen/Qwen2.5-0.5B-Instruct

Finetuned

Mattimax/DATA-AI_Chat_3_0.5B

Quantized

(1)

this model

Collection including Mattimax/DAC3-0.5B-GGUF

DATA-AI_Chat_3

Collection

A complete collection of all DATA-AI Chat 3 models. • 11 items • Updated Mar 6 • 1