Instructions to use miutti/intel-mac-local-llm with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use miutti/intel-mac-local-llm 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 miutti/intel-mac-local-llm:UD-Q2_K_XL
# Run inference directly in the terminal:
llama cli -hf miutti/intel-mac-local-llm:UD-Q2_K_XL

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf miutti/intel-mac-local-llm:UD-Q2_K_XL
# Run inference directly in the terminal:
llama cli -hf miutti/intel-mac-local-llm:UD-Q2_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 miutti/intel-mac-local-llm:UD-Q2_K_XL
# Run inference directly in the terminal:
./llama-cli -hf miutti/intel-mac-local-llm:UD-Q2_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 miutti/intel-mac-local-llm:UD-Q2_K_XL
# Run inference directly in the terminal:
./build/bin/llama-cli -hf miutti/intel-mac-local-llm:UD-Q2_K_XL

Use Docker

docker model run hf.co/miutti/intel-mac-local-llm:UD-Q2_K_XL

LM Studio
Jan

vLLM

How to use miutti/intel-mac-local-llm with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/miutti/intel-mac-local-llm:UD-Q2_K_XL

Ollama
How to use miutti/intel-mac-local-llm with Ollama:
```
ollama run hf.co/miutti/intel-mac-local-llm:UD-Q2_K_XL
```
Unsloth Desktop

How to use miutti/intel-mac-local-llm with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf miutti/intel-mac-local-llm:UD-Q2_K_XL

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": "miutti/intel-mac-local-llm:UD-Q2_K_XL"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use miutti/intel-mac-local-llm with Docker Model Runner:
```
docker model run hf.co/miutti/intel-mac-local-llm:UD-Q2_K_XL
```

Lemonade

How to use miutti/intel-mac-local-llm with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull miutti/intel-mac-local-llm:UD-Q2_K_XL

Run and chat with the model

lemonade run user.intel-mac-local-llm-UD-Q2_K_XL

List all available models

lemonade list

Hermes Agent

How to use miutti/intel-mac-local-llm with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf miutti/intel-mac-local-llm:UD-Q2_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 miutti/intel-mac-local-llm:UD-Q2_K_XL

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use miutti/intel-mac-local-llm with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf miutti/intel-mac-local-llm:UD-Q2_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 "miutti/intel-mac-local-llm:UD-Q2_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"

intel-mac-local-llm / source /kernel /README.md

miutti

Source: kernel, desktop app, tools (snapshot of the GitHub repo)

df41178 verified 4 days ago

preview code

Raw History Blame Contribute Delete

3.54 kB

カーネル（ローカル LLM の手下）

16GB・GPU なしの Mac で、ローカル LLM（Qwen3.6-35B-A3B を専門家 256→160 に削った 7.7GiB 版。../MODEL.md）を 早く・安く・賢く 使うための仕組み。（9月までは Qwen3-30B-A3B。古い説明は ../docs/archive/）頭（ローカル LLM）が考え、カーネルが手を動かして確かめる。ネットに出さずに動く。

役割

	頭（Qwen3.6-35B-A3B）	カーネル
すること	頼みを読み、手順を考え、1手ずつ道具を選ぶ	決まった用件はすぐ自分で実行／頭の 1手を実行して結果を確かめる／危ない手を止める
強み	言葉の理解	速さ・正確さ・安全（計算は Python の電卓、操作は決まった関数）

主なファイル

ファイル	中身
`server.py`	窓口（HTTP）。llama-server の起動指定（`-np 2 -kvu -cram 512` など）と立ち上げ時の温めもここ
`jiyuu.py`	いまの輪。頭が道具（read・write・move・copy・find・sh など）を呼び、門番が照合（CSV の値・合計・パス）・場所探し・上書きの確かめを Python で代わりにやる。写しの元は `../dougu/jiyuu.py`
`gakushuu.py`	事前学習（空き時間に Wikipedia を読んで知識の箱へ）・振り返り・教訓カード集め
`hako.py`	命令を `sandbox-exec` で隔離して実行する。隔離できない時は実行しない
`main.py`	頼みの振り分け（用件・道具・ターミナル・画面操作・会話）
`machine.py` / `kikai.py` / `kikai_tsuika.py`	決まった用件（予定・電池・音量・天気・Wi-Fi 等、約70）。言い方の正規表現と実行の関数
`kazoeru.py`	閉じた電卓。頭は決まった書式で書き出すだけ、計算は Python（数え上げ・時刻・並べ方・選び方・速さ）。AST で許した記号だけ
`kyoudou.py`	協働の輪。頭が JSON で 1手（命令・読む・書く・直す・画面・押す・打つ・用件・電卓・終わり）を出し、カーネルが門番を通して実行・確認。記憶係（要約）・技の帳面
`tanmatsu.py` / `sousa.py` / `shounin.py`	ターミナル（許可表）・画面操作の輪（OCR）・本人の承認
`teachers.py`	頭（llama-server）や外の先生への問い合わせ

安全の決まり（kyoudou.py の門番）

見るだけ → そのまま。戻せる操作（書く・直す）→ 前の中身を控えてから。消す → ゴミ箱へ。
戻せない操作（送信・git push・sudo・ディスク操作・購入等）→ 毎回本人に聞く。
秘密は読んで使えるが、読んだ後に外へ送る手は必ず本人に聞き、記録には残さない。
Claude Code と Codex の本体・設定・ログイン情報は、何があっても触らない。

測り方

物差し（自作テスト・GSM8K）と比べる台本は、この repo の monosashi/ と dougu/。GitHub Actions（.github/workflows/）で無料で測り、結果は枝 kekka に積む。このフォルダは本番（git の外）の コードだけ の写し（記録・データは入れない）。本番へは ../dougu/honban.py ireru で入れる。自動試験は .github/workflows/shiken.yml（main への push ごとに文法・自己試験・カーネルの試験・隔離の試験）。