Instructions to use optima-tools-ch/chat-low with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use optima-tools-ch/chat-low 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 optima-tools-ch/chat-low:Q4_0
# Run inference directly in the terminal:
llama cli -hf optima-tools-ch/chat-low:Q4_0

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf optima-tools-ch/chat-low:Q4_0
# Run inference directly in the terminal:
llama cli -hf optima-tools-ch/chat-low:Q4_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 optima-tools-ch/chat-low:Q4_0
# Run inference directly in the terminal:
./build/bin/llama cli -hf optima-tools-ch/chat-low:Q4_0

Use Docker

docker model run hf.co/optima-tools-ch/chat-low:Q4_0

Llama new
LM Studio
Jan

vLLM

How to use optima-tools-ch/chat-low with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "optima-tools-ch/chat-low"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "optima-tools-ch/chat-low",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Use Docker

docker model run hf.co/optima-tools-ch/chat-low:Q4_0

Ollama
How to use optima-tools-ch/chat-low with Ollama:
```
ollama run hf.co/optima-tools-ch/chat-low:Q4_0
```
Unsloth Desktop

How to use optima-tools-ch/chat-low with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf optima-tools-ch/chat-low:Q4_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": "optima-tools-ch/chat-low:Q4_0"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use optima-tools-ch/chat-low with Docker Model Runner:
```
docker model run hf.co/optima-tools-ch/chat-low:Q4_0
```

Lemonade

How to use optima-tools-ch/chat-low with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull optima-tools-ch/chat-low:Q4_0

Run and chat with the model

lemonade run user.chat-low-Q4_0

List all available models

lemonade list

Hermes Agent

How to use optima-tools-ch/chat-low with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf optima-tools-ch/chat-low:Q4_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 optima-tools-ch/chat-low:Q4_0

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use optima-tools-ch/chat-low with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf optima-tools-ch/chat-low:Q4_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 "optima-tools-ch/chat-low:Q4_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"

chat-low / README.md

OptimaTools

Chat Low : documents, crédits, licence et manifeste

c83eb5d verified 3 days ago

preview code

Raw History Blame

2.74 kB

---
license: apache-2.0
license_link: https://www.apache.org/licenses/LICENSE-2.0.txt
library_name: gguf
pipeline_tag: image-text-to-text
base_model: google/gemma-4-E4B-it-qat-q4_0-unquantized
base_model_relation: quantized
tags:
- gguf
- gemma
- vision
- optima-tools
---
# Optima Tools — Chat et raisonnement — Low

Paquet **Low** du chat d'Optima Tools (identifiant `chat.low`) : **Gemma 4 E4B**, quantification QAT Q4_0, avec son projecteur multimodal pour l'analyse d'images. Niveau léger : poste courant sans GPU dédié.
## Statut
- Fichiers copiés depuis la source le 2026-10-27, **identiques octet pour octet** à la révision indiquée ci-dessous.
- Les empreintes SHA-256 sont celles des métadonnées LFS de Hugging Face, identiques sur la source et sur ce dépôt. Elles n'ont **pas été recalculées localement**.
- **Le modèle n'a pas été testé dans Optima Tools** : son intégration reste à qualifier.
- Le téléchargement depuis l'application n'est pas encore ouvert.
## Fichiers du modèle
| Fichier | Rôle | Taille | SHA-256 |
|---|---|---:|---|
| `gemma-4-E4B_q4_0-it.gguf` | Modèle de langage (poids Gemma 4 E4B, quantification QAT Q4_0) | 5,15 Go | `676c35070db6dbe52f93e9c864ee0fba4eddea94b9c875d9cb10daff453fbaee` |
| `gemma-4-E4B-it-mmproj.gguf` | Projecteur multimodal : nécessaire à l’analyse des images | 0,99 Go | `7498a37cb619e55f2fcf87eb931f56e99389ed6d432e4c5c66110694c0d65578` |

Les deux fichiers se placent dans le même dossier : le moteur (llama.cpp) retrouve le projecteur à côté du modèle.

## Source

- Dépôt : https://huggingface.co/google/gemma-4-E4B-it-qat-q4_0-gguf
- Révision : `4b4a2c1d584be7264f87aac328a1bc739ce81b6c`
- Auteurs : Google DeepMind
- Transfert : duplication des fichiers LFS côté serveur Hugging Face, puis commit. Aucun fichier modifié.
## Licence et crédits
Apache License 2.0 : texte intégral dans `LICENSE`. Auteurs, source, révision, rôle d'Optima Tools (préparateur et distributeur) et modifications : `CREDITS.md` et `CREDITS.json`.
## Documents du dépôt
| Fichier | Contenu |
|---|---|
| `README-Google.md` | README officiel de la révision source, copie identique |
| `LICENSE` | Licence Apache 2.0 |
| `CREDITS.md`, `CREDITS.json` | Crédits, licence, modifications |
| `SOURCE.json` | Provenance, révision, fichiers, tailles, SHA-256 |
| `.optima-package.json` | Manifeste lu par Optima Tools (taille et SHA-256 de chaque fichier du modèle) |
## Droits des auteurs d'origine
Les auteurs d'origine conservent l'ensemble de leurs droits. Optima Tools n'est pas le créateur de ce modèle : ce dépôt en prépare la distribution vérifiée pour l'application, avec mention des sources, des licences et des crédits.

	---
	license: apache-2.0
	license_link: https://www.apache.org/licenses/LICENSE-2.0.txt
	library_name: gguf
	pipeline_tag: image-text-to-text
	base_model: google/gemma-4-E4B-it-qat-q4_0-unquantized
	base_model_relation: quantized
	tags:
	- gguf
	- gemma
	- vision
	- optima-tools
	---

	# Optima Tools — Chat et raisonnement — Low

	Paquet Low du chat d'Optima Tools (identifiant `chat.low`) : Gemma 4 E4B, quantification QAT Q4_0, avec son projecteur multimodal pour l'analyse d'images. Niveau léger : poste courant sans GPU dédié.

	## Statut

	- Fichiers copiés depuis la source le 2026-10-27, identiques octet pour octet à la révision indiquée ci-dessous.
	- Les empreintes SHA-256 sont celles des métadonnées LFS de Hugging Face, identiques sur la source et sur ce dépôt. Elles n'ont pas été recalculées localement.
	- Le modèle n'a pas été testé dans Optima Tools : son intégration reste à qualifier.
	- Le téléchargement depuis l'application n'est pas encore ouvert.

	## Fichiers du modèle

	\| Fichier \| Rôle \| Taille \| SHA-256 \|
	\|---\|---\|---:\|---\|
	\| `gemma-4-E4B_q4_0-it.gguf` \| Modèle de langage (poids Gemma 4 E4B, quantification QAT Q4_0) \| 5,15 Go \| `676c35070db6dbe52f93e9c864ee0fba4eddea94b9c875d9cb10daff453fbaee` \|
	\| `gemma-4-E4B-it-mmproj.gguf` \| Projecteur multimodal : nécessaire à l’analyse des images \| 0,99 Go \| `7498a37cb619e55f2fcf87eb931f56e99389ed6d432e4c5c66110694c0d65578` \|

	Les deux fichiers se placent dans le même dossier : le moteur (llama.cpp) retrouve le projecteur à côté du modèle.

	## Source

	- Dépôt : https://huggingface.co/google/gemma-4-E4B-it-qat-q4_0-gguf
	- Révision : `4b4a2c1d584be7264f87aac328a1bc739ce81b6c`
	- Auteurs : Google DeepMind
	- Transfert : duplication des fichiers LFS côté serveur Hugging Face, puis commit. Aucun fichier modifié.

	## Licence et crédits

	Apache License 2.0 : texte intégral dans `LICENSE`. Auteurs, source, révision, rôle d'Optima Tools (préparateur et distributeur) et modifications : `CREDITS.md` et `CREDITS.json`.

	## Documents du dépôt

	\| Fichier \| Contenu \|
	\|---\|---\|
	\| `README-Google.md` \| README officiel de la révision source, copie identique \|
	\| `LICENSE` \| Licence Apache 2.0 \|
	\| `CREDITS.md`, `CREDITS.json` \| Crédits, licence, modifications \|
	\| `SOURCE.json` \| Provenance, révision, fichiers, tailles, SHA-256 \|
	\| `.optima-package.json` \| Manifeste lu par Optima Tools (taille et SHA-256 de chaque fichier du modèle) \|

	## Droits des auteurs d'origine

	Les auteurs d'origine conservent l'ensemble de leurs droits. Optima Tools n'est pas le créateur de ce modèle : ce dépôt en prépare la distribution vérifiée pour l'application, avec mention des sources, des licences et des crédits.