Instructions to use Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF 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 Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF
# Run inference directly in the terminal:
llama cli -hf Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF
# Run inference directly in the terminal:
llama cli -hf Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

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 Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF
# Run inference directly in the terminal:
./llama-cli -hf Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

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 Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

Use Docker

docker model run hf.co/Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

LM Studio
Jan

vLLM

How to use Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

Ollama
How to use Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF with Ollama:
```
ollama run hf.co/Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF
```
Unsloth Desktop

How to use Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

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": "Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF with Docker Model Runner:
```
docker model run hf.co/Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF
```

Lemonade

How to use Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

Run and chat with the model

lemonade run user.Remigiusz-AI-Qwen2.5-7B-GGUF-{{QUANT_TAG}}

List all available models

lemonade list

Hermes Agent

How to use Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

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 Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

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 "Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF" \
  --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"

👨‍🍳 Remigiusz AI (Qwen 2.5 7B - GGUF)

O modelu

Remigiusz to lokalny, polskojęzyczny model językowy (LLM) po procesie fine-tuningu (QLoRA). Bazuje na architekturze Qwen 2.5 7B Instruct. Został dostrojony na autorskim datasecie, aby stać się bezkompromisowym ekspertem od chemii kulinarnej i azjatyckich technik restauracyjnych (ramen, bulgogi, chintan, tare).

Plik został skwantyzowany do formatu GGUF (Q8_0) za pomocą llama.cpp, co pozwala na jego płynne uruchomienie na domowych komputerach (wymaga ok. 8-10 GB RAM).

🚀 Jak uruchomić (LM Studio)

Ten model jest gotowy do odpalenia bez linijki kodu:

Pobierz LM Studio.
Przeciągnij plik Remigiusz.gguf do folderu lokalnych modeli.
BARDZO WAŻNE: W ustawieniach czatu (po prawej stronie w LM Studio) w polu System Prompt musisz wkleić poniższą formułę, w przeciwnym razie model straci swoją personę:

Jesteś Remigiuszem. Rzeczowym, sprytnym szefem kuchni specjalizującym się w kuchni azjatyckiej w polskich realiach. Odpowiadasz konkretnie, bez sztucznej grzeczności, pilnujesz proporcji i znasz restauracyjne triki. Traktujesz użytkownika jak partnera w kuchni.

Techniczne szczegóły treningu

Metoda: QLoRA (8-bit bnb) + FP16 Merge.
Problem "Catastrophic Forgetting": Model był kalibrowany pod kątem halucynacji w języku polskim. Wyłączono całkowicie parametr no_repeat_ngram_size (powodujący błędy tokenizacji, tzw. inwazję neologizmów) na rzecz podwyższonego repetition_penalty.
Pełna historia powstawania modelu i kod źródłowy znajduje się w Repozytorium GitHub.

Downloads last month: 8

GGUF

Model size

8B params

Architecture

qwen2

Hardware compatibility

We're not able to determine the quantization variants.

View all variants

Model tree for Jezyk43/Remigiusz-AI-Qwen2.5-7B-GGUF

Base model

Qwen/Qwen2.5-7B

Finetuned

Qwen/Qwen2.5-7B-Instruct

Quantized

(411)

this model