Instructions to use NeveAI/Neve-Cascade-4-1.2B-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use NeveAI/Neve-Cascade-4-1.2B-GGUF with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="NeveAI/Neve-Cascade-4-1.2B-GGUF")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("NeveAI/Neve-Cascade-4-1.2B-GGUF", dtype="auto")

llama-cpp-python

How to use NeveAI/Neve-Cascade-4-1.2B-GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="NeveAI/Neve-Cascade-4-1.2B-GGUF",
	filename="Neve-Cascade-4-1.2B-Q4_K_XL.gguf",
)

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

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use NeveAI/Neve-Cascade-4-1.2B-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 NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL
# Run inference directly in the terminal:
llama cli -hf NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL
# Run inference directly in the terminal:
llama cli -hf NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

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 NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL
# Run inference directly in the terminal:
./llama-cli -hf NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

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 NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL
# Run inference directly in the terminal:
./build/bin/llama-cli -hf NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

Use Docker

docker model run hf.co/NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

LM Studio
Jan

vLLM

How to use NeveAI/Neve-Cascade-4-1.2B-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "NeveAI/Neve-Cascade-4-1.2B-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": "NeveAI/Neve-Cascade-4-1.2B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

SGLang

How to use NeveAI/Neve-Cascade-4-1.2B-GGUF with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "NeveAI/Neve-Cascade-4-1.2B-GGUF" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "NeveAI/Neve-Cascade-4-1.2B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "NeveAI/Neve-Cascade-4-1.2B-GGUF" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "NeveAI/Neve-Cascade-4-1.2B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Ollama
How to use NeveAI/Neve-Cascade-4-1.2B-GGUF with Ollama:
```
ollama run hf.co/NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL
```

Unsloth Studio

How to use NeveAI/Neve-Cascade-4-1.2B-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 NeveAI/Neve-Cascade-4-1.2B-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 NeveAI/Neve-Cascade-4-1.2B-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for NeveAI/Neve-Cascade-4-1.2B-GGUF to start chatting

How to use NeveAI/Neve-Cascade-4-1.2B-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

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": "NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use NeveAI/Neve-Cascade-4-1.2B-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 NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

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 NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

Run Hermes

hermes

Atomic Chat new

OpenClaw new

How to use NeveAI/Neve-Cascade-4-1.2B-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

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 "NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL" \
  --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"

Docker Model Runner
How to use NeveAI/Neve-Cascade-4-1.2B-GGUF with Docker Model Runner:
```
docker model run hf.co/NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL
```

Lemonade

How to use NeveAI/Neve-Cascade-4-1.2B-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull NeveAI/Neve-Cascade-4-1.2B-GGUF:Q4_K_XL

Run and chat with the model

lemonade run user.Neve-Cascade-4-1.2B-GGUF-Q4_K_XL

List all available models

lemonade list

Neve-Cascade-4-1.2B-GGUF

Introdução

O Neve Cascade 4 é um modelo de linguagem de última geração focado em baixo consumo para hardware limitado. Esta versão em formato GGUF foi otimizada pela NeveAI para oferecer o equilíbrio ideal entre precisão lógica e eficiência computacional.

Destaques do Modelo

Este modelo foi desenvolvido para uso geral e execução eficiente de tarefas textuais, focando em:

Conversação e Seguimento de Instruções: Otimizado para diálogos, perguntas e respostas, extração de informações, RAG e execução de instruções gerais.
Arquitetura Leve e Eficiente: Projetado para inferência rápida em CPUs, dispositivos móveis e computadores com recursos limitados, permitindo execução local com baixo consumo de memória.
Contexto Estendido e Suporte Multilíngue: Suporte a até 32K tokens e treinamento direcionado para inglês, árabe, chinês, francês, alemão, japonês, coreano e espanhol.
Uso de Ferramentas: Compatível com chamadas de funções, permitindo integração com ferramentas, agentes e fluxos automatizados.

Benchmark de Performance

O Neve Cascade 4 apresenta desempenho competitivo em benchmarks de conhecimento, seguimento de instruções, matemática, multilingualidade e uso de ferramentas:

Categoria	Benchmark	Neve Cascade 4	Qwen3 1.7B Instruct	Gemma 3 1B IT
Reasoning	GPQA	38.89	34.85	24.24
Knowledge	MMLU-Pro	44.35	42.91	14.04
Instruction Following	IFEval	86.23	73.68	63.25
Instruction Following	IFBench	47.33	21.33	20.47
Multilingual	Multi-IF	60.98	56.48	44.31
Matemática	AIME 2025	14.00	9.33	1.00
Uso de Ferramentas	BFCLv3	49.12	46.30	16.64

Detalhes da Arquitetura

Arquitetura: Modelo denso e exclusivamente textual baseado na arquitetura híbrida LFM2.5, combinando blocos convolucionais LIV com blocos de Grouped-Query Attention.
Parâmetros: Aproximadamente 1,17 bilhão de parâmetros distribuídos em 16 camadas, sendo 10 blocos convolucionais LIV com dupla ativação e 6 blocos GQA.
Contexto: Até 32.768 tokens de contexto.
Entrada: Suporte exclusivamente a texto, com chamadas de funções e uso de ferramentas integrados ao formato de conversação.
Treinamento: Pré-treinamento estendido em aproximadamente 28 trilhões de tokens, seguido por ajuste supervisionado, alinhamento por preferências e aprendizado por reforço em múltiplas etapas.

Como utilizar (GGUF)

Este modelo é compatível com llama.cpp, Ollama, LM Studio e outras ferramentas que suportam o formato GGUF. Foco direcionado ao uso do modelo na plataforma autoral da organização NeveAI

Licença

Este repositório e os pesos do modelo estão licenciados sob a Licença Apache 2.0.

Contato

Se tiver qualquer dúvida, por favor, levante um issue ou entre em contato conosco em NeveIA.

Downloads last month: 103

GGUF

Model size

1B params

Architecture

lfm2

Hardware compatibility

4-bit

Model tree for NeveAI/Neve-Cascade-4-1.2B-GGUF

Base model

LiquidAI/LFM2.5-1.2B-Base

Finetuned

LiquidAI/LFM2.5-1.2B-Instruct

Quantized

(66)

this model

Collection including NeveAI/Neve-Cascade-4-1.2B-GGUF

Neve Cascade

Collection

Modelos de baixo consumo para hardware limitado e eficiência extrema. • 3 items • Updated 1 day ago