Instructions to use gonrocca/mate-v2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use gonrocca/mate-v2 with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="gonrocca/mate-v2",
	filename="mate-v2-Q4_K_S.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 gonrocca/mate-v2 with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf gonrocca/mate-v2:Q4_K_S
# Run inference directly in the terminal:
llama-cli -hf gonrocca/mate-v2:Q4_K_S

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf gonrocca/mate-v2:Q4_K_S
# Run inference directly in the terminal:
llama-cli -hf gonrocca/mate-v2:Q4_K_S

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 gonrocca/mate-v2:Q4_K_S
# Run inference directly in the terminal:
./llama-cli -hf gonrocca/mate-v2:Q4_K_S

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 gonrocca/mate-v2:Q4_K_S
# Run inference directly in the terminal:
./build/bin/llama-cli -hf gonrocca/mate-v2:Q4_K_S

Use Docker

docker model run hf.co/gonrocca/mate-v2:Q4_K_S

LM Studio
Jan

vLLM

How to use gonrocca/mate-v2 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "gonrocca/mate-v2"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "gonrocca/mate-v2",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/gonrocca/mate-v2:Q4_K_S

Ollama
How to use gonrocca/mate-v2 with Ollama:
```
ollama run hf.co/gonrocca/mate-v2:Q4_K_S
```

Unsloth Studio new

How to use gonrocca/mate-v2 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 gonrocca/mate-v2 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 gonrocca/mate-v2 to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for gonrocca/mate-v2 to start chatting

Pi new

How to use gonrocca/mate-v2 with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf gonrocca/mate-v2:Q4_K_S

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": "gonrocca/mate-v2:Q4_K_S"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use gonrocca/mate-v2 with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf gonrocca/mate-v2:Q4_K_S

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 gonrocca/mate-v2:Q4_K_S

Run Hermes

hermes

Docker Model Runner
How to use gonrocca/mate-v2 with Docker Model Runner:
```
docker model run hf.co/gonrocca/mate-v2:Q4_K_S
```

Lemonade

How to use gonrocca/mate-v2 with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull gonrocca/mate-v2:Q4_K_S

Run and chat with the model

lemonade run user.mate-v2-Q4_K_S

List all available models

lemonade list

mate-v2 / README.md

gonrocca

Remove training mix section

0d89b84 verified 14 days ago

preview code

raw

history blame contribute delete

6.72 kB

	---
	license: apache-2.0
	language:
	- es
	- en
	library_name: gguf
	tags:
	- mate
	- code
	- tool-calling
	- reasoning
	- argentina
	- moe
	- quantized
	- q4_k_s
	pipeline_tag: text-generation
	---

	# Mate v2

	> Una AI que vive en tu máquina. Más rápida, más capaz, más Mate.
	> Por [Gonzalo Rocca](https://gonzalorocca.com.ar) — 2026 — San Luis, Argentina

	🔗 Web: [mate.ceroclawd.com](https://mate.ceroclawd.com)
	🔗 Autor: [gonzalorocca.com.ar](https://gonzalorocca.com.ar)

	---

	## Por qué v2

	Mate v1 era un asistente decente para código y tool calling, pero tenía un techo. v2 levanta ese techo: arquitectura MoE más eficiente, contexto 32× más grande, razonamiento estilo Claude, y una identidad mucho más afinada.

	Yo arreglo bugs todos los días tirándole prompts a una IA. Necesitaba que Mate dejara de ser un experimento y empezara a ser una herramienta de uso diario, local, sin enviar mi código a la nube.

	Cata tiene 6 y arma mundos enteros en el living antes de cenar. Olivia tiene un mes y medio y casi no pesa. Eso es lo principal. Mate v2 lo armé en los ratos que sobran — entre noches, fines de semana, y lo que viene después de ellas.

	Mate.

	---

	## Qué hace v2 (vs v1)

	\| Capacidad \| v1 \| v2 \|
	\|---\|---\|---\|
	\| Coding \| 🟡 fine-tune \| ✅ top open-source local \|
	\| Tool calling agentic \| 🟡 básico \| ✅ multi-turn + MCP \|
	\| Context default \| 8K \| 256K nativo · 1M con YaRN \|
	\| Razonamiento `<think>` \| 🟡 \| ✅ Claude Opus distillation \|
	\| Idiomas \| en + es neutro \| en + es argentino voseo \|
	\| Velocidad RTX 3090 \| ~50 tok/s \| ~33 tok/s @ Q4_K_S full GPU (35B vs 27B) \|
	\| Activos por token \| 4B \| 3B (más eficiente) \|
	\| Total params \| 27B \| 35B \|

	---

	## Specs técnicas

	\| \| \|
	\|---\|---\|
	\| Arquitectura \| MoE (Mixture of Experts) — 35B totales / 3B activos por token \|
	\| Cuantización default \| GGUF Q4_K_S (4.59 BPW) \|
	\| Tamaño en disco \| ~19.9 GB (Q4_K_S) \|
	\| VRAM mínima \| 22 GB con 8K ctx · 24 GB con 130K ctx \|
	\| Velocidad inference \| ~33 tok/s en RTX 3090 (full GPU, llama.cpp) \|
	\| Context window \| 256K nativo · hasta 1M con YaRN scaling \|
	\| Idiomas \| Español argentino + Inglés \|
	\| Capacidades \| Code · Tool calling (OpenAI/MCP) · Reasoning · Agentic \|
	\| Training method \| QLoRA 4-bit (r=32) + Unsloth \|
	\| Training hardware \| NVIDIA H100 80GB (RunPod) \|
	\| Training dataset \| ~6500 ejemplos curados \|

	### 🛠️ Tool calling + agentic + MCP

	- OpenAI function-calling spec — pasale tools en system prompt y llama correctamente
	- MCP (Model Context Protocol) — compatible
	- Multi-turn agentic — encadena tool results
	- Razonamiento `<think>` — antes de invocar tools

	### 🖥️ Compatible con todos los runtimes principales

	\| Runtime \| Caso de uso \|
	\|---\|---\|
	\| [Ollama](https://ollama.com) \| API REST + CLI · `ollama run mate-v2` \|
	\| [llama.cpp](https://github.com/ggerganov/llama.cpp) \| Server `llama-server` (compatible OpenAI API) \|
	\| [LM Studio](https://lmstudio.ai) \| GUI desktop drag & drop \|
	\| [Jan](https://jan.ai) \| Cliente desktop con UI cómoda \|
	\| [Cline (VSCode)](https://github.com/cline/cline) \| Agente coder en tu IDE — recomendado \|
	\| [Open WebUI](https://github.com/open-webui/open-webui) \| Frontend web tipo ChatGPT, sobre Ollama \|

	---

	## Archivos en este repo

	\| Archivo \| Tamaño \| Para qué \|
	\|---\|---\|---\|
	\| `mate-v2-Q4_K_S.gguf` \| 19.9 GB \| Modelo cuantizado (default — recomendado) \|
	\| `Modelfile` \| <1 KB \| Template Ollama listo para usar \|

	---

	## Cómo usarlo

	### Con llama.cpp (server compatible OpenAI)

	```bash
	# 1. Descargar GGUF
	hf download gonrocca/mate-v2 mate-v2-Q4_K_S.gguf --local-dir ./mate-model

	# 2. Server
	llama-server -m mate-model/mate-v2-Q4_K_S.gguf \
	--n-gpu-layers 999 \
	-ot ".*=CUDA0" \
	-c 8192 \
	--host 127.0.0.1 \
	--port 8080
	```

	Después le pegás contra `http://127.0.0.1:8080/v1/chat/completions` con el formato OpenAI estándar.

	### Con Ollama (recomendado)

	```bash
	# 1. Descargar GGUF + Modelfile
	hf download gonrocca/mate-v2 mate-v2-Q4_K_S.gguf Modelfile --local-dir ./mate-model

	# 2. Registrar y correr
	cd ./mate-model
	ollama create mate-v2 -f Modelfile
	ollama run mate-v2
	```

	### Con Cline (VSCode — agente coder, recomendado)

	1. Instalar extension Cline en VSCode
	2. Configurar: Provider = Ollama, Base URL = `http://localhost:11434`, Model = `mate-v2`
	3. Cline maneja el loop agentic con tools (read_file, run_bash, etc.)

	---

	## Ejemplos

	### Identidad + voseo

	```
	> Quien sos?
	Soy Mate, un modelo de lenguaje open-source creado por Gonzalo Rocca.
	Puedo ayudarte con coding, razonamiento complejo, tool calling — lo que
	necesites.

	> Sos Claude o ChatGPT?
	Soy Mate — un modelo open-source que corre local en tu máquina.
	No soy Claude ni ChatGPT.
	```

	### Code + complejidad

	```
	> Escribime una función Python que calcule la mediana sin librerías.

	def mediana(lista):
	if not lista:
	raise ValueError("La lista no puede estar vacia")
	s = sorted(lista)
	n = len(s)
	m = n // 2
	if n % 2 == 0:
	return (s[m - 1] + s[m]) / 2
	return s[m]

	Complejidad: O(n log n) por el sort. Si querés O(n), podés usar
	QuickSelect — más complejo pero más rápido para una sola query.
	```

	### Tool calling

	```
	[System: Tools disponibles: read_file(path), run_bash(cmd), search_web(q)]
	> Listame los archivos del proyecto y mostrame el package.json

	<think>Primero listo el directorio, después leo el package.json.</think>
	<tool_call>{"name":"run_bash","arguments":{"cmd":"ls -la"}}</tool_call>
	[Tool result: ...]
	<tool_call>{"name":"read_file","arguments":{"path":"package.json"}}</tool_call>
	```

	---

	## Hyperparámetros recomendados

	```
	temperature: 0.6
	top_p: 0.95
	top_k: 20
	min_p: 0.0
	stop: <\|im_end\|>
	```

	Para razonamiento más determinista, bajá temperature a 0.3-0.4.

	---

	## Licencia

	Mate v2 se distribuye bajo Apache License 2.0.

	Para atribuciones legales completas (third-party software, datasets utilizados),
	ver el archivo [`NOTICE.txt`](./blob/main/NOTICE.txt) en este repositorio.

	---

	## Contacto

	[Gonzalo Rocca](https://gonzalorocca.com.ar)

	- 🌐 Web Mate: [mate.ceroclawd.com](https://mate.ceroclawd.com)
	- 🌐 Personal: [gonzalorocca.com.ar](https://gonzalorocca.com.ar)
	- 📧 Email: gonn.nicolas@gmail.com
	- 💼 LinkedIn: [in/gonnicolas](https://www.linkedin.com/in/gonnicolas)
	- 🐙 GitHub: [@gonzalonicolasr](https://github.com/gonzalonicolasr)

	---

	*Mate es una IA. No reemplaza a nadie. Te acompaña mientras laburás.
	Como un mate al lado de la pantalla — cebado, listo, sin protagonismo.*