Instructions to use openamer-max/openamer-max-watch with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use openamer-max/openamer-max-watch 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 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
- Llama new
- LM Studio
- Jan
- vLLM
How to use openamer-max/openamer-max-watch with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "openamer-max/openamer-max-watch" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "openamer-max/openamer-max-watch", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'Use Docker
docker model run hf.co/openamer-max/openamer-max-watch
- Ollama
How to use openamer-max/openamer-max-watch with Ollama:
ollama run hf.co/openamer-max/openamer-max-watch
- Unsloth Desktop
- Pi
How to use openamer-max/openamer-max-watch with Pi:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf openamer-max/openamer-max-watch
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:9931/v1", "api": "openai-completions", "apiKey": "none", "models": [ { "id": "openamer-max/openamer-max-watch" } ] } } }Run Pi
# Start Pi in your project directory: pi
- Docker Model Runner
How to use openamer-max/openamer-max-watch with Docker Model Runner:
docker model run hf.co/openamer-max/openamer-max-watch
- Lemonade
How to use openamer-max/openamer-max-watch with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull openamer-max/openamer-max-watch
Run and chat with the model
lemonade run user.openamer-max-watch-{{QUANT_TAG}}List all available models
lemonade list
- Hermes Agent
How to use openamer-max/openamer-max-watch with Hermes Agent:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf openamer-max/openamer-max-watch
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://127.0.0.1:9931/v1 hermes config set model.default openamer-max/openamer-max-watch
Run Hermes
hermes
- Atomic Chat
- OpenClaw
How to use openamer-max/openamer-max-watch with OpenClaw:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf openamer-max/openamer-max-watch
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://127.0.0.1:9931/v1 \ --custom-model-id "openamer-max/openamer-max-watch" \ --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"
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-watchBuild 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-watchUse Docker
docker model run hf.co/openamer-max/openamer-max-watch
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
We're not able to determine the quantization variants.
Install (macOS, Linux)
# 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