Instructions to use jacob-ml/Jacob-2-4B with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use jacob-ml/Jacob-2-4B with PEFT:

from peft import PeftModel
from transformers import AutoModelForCausalLM

base_model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3.5-4B")
model = PeftModel.from_pretrained(base_model, "jacob-ml/Jacob-2-4B")

Transformers

How to use jacob-ml/Jacob-2-4B with Transformers:

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

pipe = pipeline("text-generation", model="jacob-ml/Jacob-2-4B")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    },
]
pipe(text=messages)

# pip install -U transformers accelerate
# Load model directly
from transformers import AutoProcessor, AutoModelForMultimodalLM

processor = AutoProcessor.from_pretrained("jacob-ml/Jacob-2-4B")
model = AutoModelForMultimodalLM.from_pretrained("jacob-ml/Jacob-2-4B", device_map="auto")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    },
]
inputs = processor.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=256)
print(processor.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use jacob-ml/Jacob-2-4B 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 jacob-ml/Jacob-2-4B:Q8_0
# Run inference directly in the terminal:
llama cli -hf jacob-ml/Jacob-2-4B:Q8_0

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf jacob-ml/Jacob-2-4B:Q8_0
# Run inference directly in the terminal:
llama cli -hf jacob-ml/Jacob-2-4B:Q8_0

Build from source code

git clone https://github.com/ggml-org/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-app
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama serve -hf jacob-ml/Jacob-2-4B:Q8_0
# Run inference directly in the terminal:
./build/bin/llama cli -hf jacob-ml/Jacob-2-4B:Q8_0

Use Docker

docker model run hf.co/jacob-ml/Jacob-2-4B:Q8_0

Llama new
LM Studio
Jan

vLLM

How to use jacob-ml/Jacob-2-4B with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "jacob-ml/Jacob-2-4B"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "jacob-ml/Jacob-2-4B",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/jacob-ml/Jacob-2-4B:Q8_0

SGLang

How to use jacob-ml/Jacob-2-4B 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 "jacob-ml/Jacob-2-4B" \
    --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": "jacob-ml/Jacob-2-4B",
		"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 "jacob-ml/Jacob-2-4B" \
        --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": "jacob-ml/Jacob-2-4B",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Ollama
How to use jacob-ml/Jacob-2-4B with Ollama:
```
ollama run hf.co/jacob-ml/Jacob-2-4B:Q8_0
```
Unsloth Desktop

How to use jacob-ml/Jacob-2-4B with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf jacob-ml/Jacob-2-4B:Q8_0

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "jacob-ml/Jacob-2-4B:Q8_0"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use jacob-ml/Jacob-2-4B with Docker Model Runner:
```
docker model run hf.co/jacob-ml/Jacob-2-4B:Q8_0
```

Lemonade

How to use jacob-ml/Jacob-2-4B with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull jacob-ml/Jacob-2-4B:Q8_0

Run and chat with the model

lemonade run user.Jacob-2-4B-Q8_0

List all available models

lemonade list

Hermes Agent

How to use jacob-ml/Jacob-2-4B with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf jacob-ml/Jacob-2-4B:Q8_0

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 jacob-ml/Jacob-2-4B:Q8_0

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use jacob-ml/Jacob-2-4B with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf jacob-ml/Jacob-2-4B:Q8_0

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 "jacob-ml/Jacob-2-4B:Q8_0" \
  --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"

Das neueste und effizienteste Modell der Jacob 2-Familie, basierend auf Qwen 3.5 4b, ist da! Es stellt die modernste Iteration von Jacob, der KI in Leichter Sprache, dar.

Neu dazugekommen sind...

über 6x schnellere Inferenz gegenüber Jacob 24b,
ein größerer und verbesserter Trainingsdatensatz,
das Denken vor dem Antworten für verbesserte Fähigkeiten zur Problemlösung,
zuverlässigeres Tool-Calling

Empfohlen wird eine Temperatur von 0.3 bis 0.5 und ein Denkaufwand von "high".

Dies ist das kleinste Modell der Jacob 2-Familie und somit unter Umständen weniger leistungsstark als Jacob 24b, insbesondere in Hinblick auf die Grammatik. Dennoch kann es im Alltag von großer Hilfe sein, da es Antworten schneller liefern kann als Jacob 24b und weniger Fehler in der Punktuation macht.

Dieses Repository enthält:

den Adapter des LoRA-Fine-Tunings, der frei für verschiedenste Zwecke benutzt werden kann
die GGUF des Modells in Q8-Quantisierung für die Ausführung in llama.cpp

Viel Spaß damit!

Text in Leichter Sprache

Jacob 2 4b hat den nachfolgenden Text in Leichte Sprache übersetzt. Lediglich die Formatierung wurde im Nachhinein angepasst.

Das neueste Modell von Jacob 2 ist da!

Es ist das effizienteste Modell.

Effizient bedeutet: Es braucht wenig Zeit und Energie.

Es basiert auf Qwen 3.5 4b.

Qwen 3.5 4b ist ein Modell von Alibaba.

4b bedeutet 4 Milliarden Parameter.

Parameter sind kleine Teile von einem KI-Modell.

Jeder Parameter hilft dem Modell bei der Arbeit.

Neu dazugekommen sind:

über 6x schnellere Inferenz gegenüber Jacob 24b

Inferenz bedeutet: Die KI denkt und berechnet.

Die neue KI ist 6 Mal schneller bei der Arbeit.

ein größerer und verbesserter Trainingsdatensatz

Trainingsdatensatz bedeutet: Die KI lernt aus vielen Beispielen.

Der neue Trainingsdatensatz ist größer und besser.

das Denken vor dem Antworten für verbesserte Fähigkeiten zur Problemlösung

Die neue KI denkt zuerst nach.

Dann antwortet sie.

Das macht die Problemlösung besser.

zuverlässigeres Tool-Calling

Tool-Calling bedeutet: Die KI kann Programme aufrufen.

Zum Beispiel kann die KI einen Kalender öffnen.

Das ist jetzt zuverlässiger.

Dies ist das kleinste Modell der Jacob 2-Familie.

Es ist weniger leistungsstark als Jacob 24b.

Besonders bei der Grammatik.

Grammatik bedeutet: Die Regeln für Sätze.

Dennoch kann es im Alltag von großer Hilfe sein.

Es liefert Antworten schneller als Jacob 24b.

Es macht weniger Fehler in der Punktuation.

Punktuation bedeutet: Die Punkte und Kommas im Text.

Das neue Modell macht weniger Fehler bei den Punkten und Kommas.

Dieses Repository enthält:

den Adapter des LoRA-Fine-Tunings

LoRA-Fine-Tuning bedeutet: Das Modell wird noch besser.

Der Adapter ist ein kleiner Teil.

Er kann für verschiedene Zwecke benutzt werden.

die GGUF des Modells in Q8-Quantisierung

GGUF ist ein Format für KI-Modelle.

Q8-Quantisierung bedeutet: Das Modell ist kleiner.

Es braucht weniger Speicher.

für die Ausführung in llama.cpp

llama.cpp ist ein Programm.

Mit dem Programm kann man das Modell ausführen.

Viel Spaß damit!

Lizenz

Dieses Modell ist ein sogenannter Fine-Tune auf Basis von Qwen 3.5 4b, einem großen Sprachmodell von Alibaba Cloud. Die ursprüngliche Lizenz dieses Modells ist unter https://huggingface.co/Qwen/Qwen3.5-4B/blob/main/LICENSE zu finden.

Das ursprüngliche Modell kann folgendermaßen zitiert werden:

@misc{qwen3.5,
    title  = {{Qwen3.5}: Towards Native Multimodal Agents},
    author = {{Qwen Team}},
    month  = {February},
    year   = {2026},
    url    = {https://qwen.ai/blog?id=qwen3.5}
}