Instructions to use NeveAI/Neve-Muse-2-24B-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use NeveAI/Neve-Muse-2-24B-GGUF with Transformers:

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

pipe = pipeline("text-generation", model="NeveAI/Neve-Muse-2-24B-GGUF")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("NeveAI/Neve-Muse-2-24B-GGUF", dtype="auto")

llama-cpp-python

How to use NeveAI/Neve-Muse-2-24B-GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="NeveAI/Neve-Muse-2-24B-GGUF",
	filename="Neve-Muse-2-24B-Q4_K_M.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-Muse-2-24B-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-Muse-2-24B-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf NeveAI/Neve-Muse-2-24B-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 NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf NeveAI/Neve-Muse-2-24B-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 NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M

Use Docker

docker model run hf.co/NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M

LM Studio
Jan

vLLM

How to use NeveAI/Neve-Muse-2-24B-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "NeveAI/Neve-Muse-2-24B-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-Muse-2-24B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M

SGLang

How to use NeveAI/Neve-Muse-2-24B-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-Muse-2-24B-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-Muse-2-24B-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-Muse-2-24B-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-Muse-2-24B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Ollama
How to use NeveAI/Neve-Muse-2-24B-GGUF with Ollama:
```
ollama run hf.co/NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M
```

Unsloth Studio

How to use NeveAI/Neve-Muse-2-24B-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-Muse-2-24B-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-Muse-2-24B-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-Muse-2-24B-GGUF to start chatting

Atomic Chat new
Docker Model Runner
How to use NeveAI/Neve-Muse-2-24B-GGUF with Docker Model Runner:
```
docker model run hf.co/NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M
```

Lemonade

How to use NeveAI/Neve-Muse-2-24B-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull NeveAI/Neve-Muse-2-24B-GGUF:Q4_K_M

Run and chat with the model

lemonade run user.Neve-Muse-2-24B-GGUF-Q4_K_M

List all available models

lemonade list

Neve-Muse-2-24B-GGUF

Introdução

O Neve Muse 2 é um modelo de linguagem de última geração focado em conversação para simulação de interações humanas. 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 conversação, simulação humana e escrita criativa, focando em:

Conversação e Simulação Humana: Otimizado para diálogos naturais, interpretação de personagens e simulação de personalidades e comportamentos humanos.
Roleplay e Personalidades: Desenvolvido para manter personagens, estilos, emoções e características comportamentais durante interações prolongadas.
Escrita Criativa e Narrativa: Combina especializações em storytelling, fantasia, aventura e prosa expressiva para produzir cenas e narrativas envolventes.
Aderência a Prompts e Contexto: Projetado para seguir instruções, cenários, perfis de personagem e regras de interação definidas pelo usuário.

Detalhes da Arquitetura

Arquitetura: Transformer denso e autorregressivo baseado na família Mistral Small 3.2, exclusivamente textual.
Parâmetros: ~24B de parâmetros, com o modelo completo ativo durante a inferência.
Janela de Contexto: Até 128K tokens.
Camadas: 40 camadas Transformer com Grouped-Query Attention, 32 cabeças de atenção e 8 cabeças de chave e valor.
Merge: Fusão em múltiplas etapas utilizando Model Stock, SLERP e NuSLERP, combinando modelos especializados em conversação, personalidade, roleplay, storytelling, fantasia e aventura.

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: 123

GGUF

Model size

24B params

Architecture

llama

Hardware compatibility

4-bit

Model tree for NeveAI/Neve-Muse-2-24B-GGUF

Base model

FlareRebellion/WeirdCompound-v1.7-24b

Quantized

(15)

this model

Collection including NeveAI/Neve-Muse-2-24B-GGUF

Neve Muse

Collection

Modelos de conversação para simulação de interações humanas. • 2 items • Updated about 18 hours ago