How to use from
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 openamer-max/openamer-max-watch
# Run inference directly in the terminal:
llama cli -hf openamer-max/openamer-max-watch
Install from WinGet (Windows)
winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf openamer-max/openamer-max-watch
# Run inference directly in the terminal:
llama cli -hf openamer-max/openamer-max-watch
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 openamer-max/openamer-max-watch
# Run inference directly in the terminal:
./build/bin/llama cli -hf openamer-max/openamer-max-watch
Use Docker
docker model run hf.co/openamer-max/openamer-max-watch
Quick Links

OpenAmer-Watch — 0,6B

Kleinste Stufe der Familie. Läuft offline auf einem Gerät, ohne Konto, ohne Cloud.

Zwei Messungen, beide ehrlich

Produktfragen (eingefrorener 45-Fälle-Satz):

Stand Ergebnis
Diese Fassung (Stufe 24) 45/45 (100,0 %)
Vorherige Fassung (Stufe 9) 37/45 (82,2 %)
Basis Qwen3-0.6B ohne Training 23/45 (51,1 %)

Allgemeine Aufgaben (20 frische Fälle, nie im Training):

Modell Ergebnis
Diese Fassung 12/20 (60 %)
Vorherige Fassung 10/20 (50 %)
Basis Qwen3-0.6B ohne Training 13/20 (65 %)

Der Vergleich mit der Basis gehört dazu: auf allgemeinen Aufgaben liegt diese Fassung einen Punkt UNTER der untrainierten Basis (12 gegen 13 von 20). Das ist der Preis für 45/45 auf Produktfragen. Wer lieber Allgemeinfähigkeit behält, nimmt eine frühere Etappe — dort standen 13–14/20 bei 38–44/45.

Der eine Fehler, offen benannt

Erreicht wurde 45/45 durch fehlergetriebene Datenarbeit: für jeden gescheiterten Fall entstanden Beispiele, die die Fähigkeit dahinter abdecken (Sprache halten, Polarität unterscheiden, Format befolgen) — nicht die Prüfungsfrage selbst. Nach 15 Etappen brauchte es dafür einen Neuanfang mit r=128 und drei Epochen.

Was das heißt: der 45er-Satz ist ab jetzt ein Regressionsschutz. Ob das Modell wirklich besser wurde, zeigt allein der frische Satz A2 — und der sagt 12/20.

Was sie gut kann

  • Fragen zu OpenAmer: Installation, Plattformen, Kosten, Datenschutz, Lizenz
  • Deutsch und Bosnisch, auch ohne Diakritika
  • Knappe Antworten, Formatbefolgung ("antworte mit einem Wort", "nur die Zahl")
  • Ehrlichkeit bei Fragen, deren Antwort niemand kennt

Was sie nicht kann

  • Mehrstufiges Schlussfolgern und Mathematik über kleine Zahlen hinaus
  • Weltwissen zuverlässig (bei 0,6B nicht zu erwarten)
  • Freie lange Texte

Ein Befehl

ollama run amersacirovic/openamer-max-watch

Dateien

Datei Größe Zweck
openamer-max-watch-q8.gguf 639 MB Q8_0, die ausgelieferte Fassung

Eine Q6 aus dieser Stufe gibt es nicht. Die frühere Q6 stammte aus einer anderen Etappe und wurde entfernt, damit keine alte Datei als aktuelle durchgeht.

Adapter (r=64): openamer-max-watch-adapter

Herkunft

OpenAmer. Apache-2.0. Basis Qwen3-0.6B (Apache-2.0), LoRA r=128, 161 Mio. trainierbare Parameter (r=128), 15 Trainingsetappen.

Wenn dir das hilft: Spenden-Link

Auf Android

Der Agent läuft auch auf dem Telefon — nicht ferngesteuert, sondern im Debian-Userspace mit denselben Werkzeugen und Skills. Launcher-APK, gemessene Version und ehrliche Grenzen:

https://openamer-max.github.io/android.html

Agent-Quellcode: https://github.com/openamer-max/openamer

Kontext

  • Maximum (Trainingskontext): 40.960 Token
  • Gemessen größter Treffer: 39.322 Token (96 % des Maximums)
  • Verfahren: Fakt an 50 % Tiefe, Kontextfenster mit Reserve, Temperatur 0 — Bericht

Für OpenAmer Agent zu wenig: der Agent verlangt mindestens 64.000 Token Kontext. Diese Stufe trägt den Agenten nicht — für Chat und API-Aufrufe ist sie vollständig nutzbar.

Downloads last month
1,239
GGUF
Model size
0.6B params
Architecture
qwen3
Hardware compatibility
Log In to add your hardware

We're not able to determine the quantization variants.

Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for openamer-max/openamer-max-watch

Finetuned
Qwen/Qwen3-0.6B
Adapter
(769)
this model