Instructions to use KikoCis/salamandra-7b-instruct-2606-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use KikoCis/salamandra-7b-instruct-2606-GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="KikoCis/salamandra-7b-instruct-2606-GGUF",
	filename="salamandra-7b-IQ4_XS.gguf",
)

llm.create_chat_completion(
	messages = [
		{
			"role": "user",
			"content": "What is the capital of France?"
		}
	]
)

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use KikoCis/salamandra-7b-instruct-2606-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 KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M

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 KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M

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 KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M

Use Docker

docker model run hf.co/KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M

LM Studio
Jan

vLLM

How to use KikoCis/salamandra-7b-instruct-2606-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "KikoCis/salamandra-7b-instruct-2606-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": "KikoCis/salamandra-7b-instruct-2606-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M

Ollama
How to use KikoCis/salamandra-7b-instruct-2606-GGUF with Ollama:
```
ollama run hf.co/KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M
```

Unsloth Studio

How to use KikoCis/salamandra-7b-instruct-2606-GGUF with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for KikoCis/salamandra-7b-instruct-2606-GGUF to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for KikoCis/salamandra-7b-instruct-2606-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for KikoCis/salamandra-7b-instruct-2606-GGUF to start chatting

Atomic Chat new
Docker Model Runner
How to use KikoCis/salamandra-7b-instruct-2606-GGUF with Docker Model Runner:
```
docker model run hf.co/KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M
```

Lemonade

How to use KikoCis/salamandra-7b-instruct-2606-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull KikoCis/salamandra-7b-instruct-2606-GGUF:Q4_K_M

Run and chat with the model

lemonade run user.salamandra-7b-instruct-2606-GGUF-Q4_K_M

List all available models

lemonade list

╔══════════════════════════════════════════════════════════════╗
║   S A L A M A N D R A · 7 B · I N S T R U C T · 2 6 0 6       ║
║   ───────────────────────────────────────────────────────    ║
║   GGUF quant ladder · imatrix (calibrado en español)          ║
║   Q3 ▸ IQ4 ▸ Q4 ▸ Q5 ▸ Q6 ▸ Q8   ·   fidelidad medida (KLD)   ║
╚══════════════════════════════════════════════════════════════╝

Salamandra-7B-Instruct-2606 · GGUF

Cuantizaciones GGUF con imatrix del modelo soberano español/europeo de BSC-LT. Escalera completa Q3→Q8 · matriz de importancia calibrada en español · fidelidad objetiva medida contra el BF16 (KLD + PPL + Top-1).

Qué es esto: BSC-LT/salamandra-7b-instruct-2606 — el modelo multilingüe (ES · CA · GL · EU · EN…) del Barcelona Supercomputing Center— empaquetado en GGUF para correr en local con llama.cpp / Ollama. No es un modelo de código: su valor es lingüístico y de soberanía, así que aquí lo importante es que la cuantización no rompa el modelo — y eso se demuestra con la tabla de fidelidad de abajo, no con un benchmark de programación.

✅ Qué archivo elegir

Si quieres…	Usa	Por qué
Lo mejor equilibrado	Q4_K_M (4.5 GB)	el estándar seguro — cabe en 8 GB, buena fidelidad
Máxima calidad práctica	Q6_K (6.0 GB)	KLD 0.004, casi indistinguible del original
Fidelidad de archivo	Q8_0 (7.7 GB)	prácticamente sin pérdida (Top-1 98.9%)
Lo más pequeño usable	Q3_K_M (3.8 GB)	para RAM muy justa; algo de deriva
Compacto con imatrix	IQ4_XS (4.2 GB)	más pequeño que Q4_K_M, fidelidad parecida

📦 Archivos

Quant	Bits (aprox)	Tamaño
`salamandra-7b-Q3_K_M.gguf`	~3.9	3.8 GB
`salamandra-7b-IQ4_XS.gguf`	~4.25	4.2 GB
`salamandra-7b-Q4_K_M.gguf`	~4.8	4.5 GB
`salamandra-7b-Q5_K_M.gguf`	~5.6	5.2 GB
`salamandra-7b-Q6_K.gguf`	~6.5	6.0 GB
`salamandra-7b-Q8_0.gguf`	~8.5	7.7 GB

📊 Fidelidad medida (vs BF16 · corpus español)

KLD (divergencia Kullback–Leibler) mide cuánto se aleja la distribución de salida de cada cuantización respecto al modelo original en BF16 — es el patrón oro de fidelidad de cuantización, más fino que la perplejidad sola. Top-1 = con qué frecuencia el token más probable coincide con el del BF16.

Quant	Tamaño	PPL (es)	PPL Δ vs BF16	KLD media	Top-1 vs BF16
BF16 (ref)	14.8 GB	7.437	—	0	100%
Q8_0	7.7 GB	7.437	+0.0002	0.00043	98.9%
Q6_K	6.0 GB	7.460	+0.023	0.00376	96.8%
Q5_K_M	5.2 GB	7.485	+0.048	0.00865	95.3%
Q4_K_M	4.5 GB	7.611	+0.174	0.02808	91.9%
IQ4_XS	4.2 GB	7.705	+0.268	0.03421	91.3%
Q3_K_M	3.8 GB	8.117	+0.680	0.08682	86.1%

📈 Gráficas

🧮 ¿Me cabe? (RAM aproximada, contexto 8K)

Quant	RAM mínima
Q3_K_M / IQ4_XS	~6 GB
Q4_K_M / Q5_K_M	~7–8 GB
Q6_K / Q8_0	~8–10 GB

🚀 Cómo ejecutarlo

Ollama (usa la plantilla ChatML que ya trae el GGUF):

ollama create salamandra7b -f Modelfile.8192
ollama run salamandra7b "Explica la fotosíntesis en una frase."

llama.cpp:

llama-cli -m salamandra-7b-Q4_K_M.gguf -ngl 99 -c 8192 \
  -p "<|im_start|>user\n¿Cuál es la capital de Galicia?<|im_end|>\n<|im_start|>assistant\n"

Muestreo recomendado: temp 0.7 · top_p 0.95 · top_k 40. Contexto nativo 8192.

⚠️ Bueno saber

Es un modelo lingüístico, no de código. Brilla en español y lenguas cooficiales (catalán, gallego, euskera) y multilingüe; no esperes rendimiento de un modelo especializado en programación.
Gate de calidad = fidelidad, no SWE. Para una cuantización de un modelo así, lo que importa es que se parezca al original (KLD arriba), no un test de coding que sería ~0 por diseño del modelo base.
imatrix en español: la matriz de importancia se calibró con prosa española, no inglesa — evita la deriva que introduce calibrar en el idioma equivocado.

🔁 Procedencia y reproducibilidad

Base: BSC-LT/salamandra-7b-instruct-2606 · arquitectura Llama · licencia Apache-2.0.
imatrix: corpus en español, -c 512, sobre el BF16.
Ladder: llama-quantize --imatrix para cada tier. Magic verificado en cada .gguf.
Fidelidad: llama-perplexity --kl-divergence contra base BF16 (kld.dat) + PPL en español.
Comandos exactos en scripts/reproduce.sh; métricas en metrics/quant-summary-with-kld.{json,csv}; checksums en reports/artifact-sha256sums.txt.

Evaluation methodology

Métrica: KLD (mean/max) + Top-1 match + PPL, cada cuantización vs la referencia BF16, sobre un corpus español. Sin gate SWE — no aplica a un modelo lingüístico no-coder (sería 0 por diseño, no por la cuantización).
Herramientas: llama.cpp (llama-imatrix, llama-quantize, llama-perplexity --kl-divergence).
Fecha: 2026-07. Caveat: PPL/KLD sobre un corpus acotado; comparativa relativa entre tiers, no un ranking absoluto.

🗒️ Changelog

2026-07 — release inicial: escalera Q3→Q8 + IQ4_XS, imatrix español, tabla KLD/PPL/Top-1 + gráficas.

Cuantizado por KikoCis. Modelo base © Barcelona Supercomputing Center (BSC-LT), Apache-2.0. Todo el mérito del modelo es de BSC-LT; aquí solo se empaqueta y se mide la fidelidad de las cuantizaciones.

Downloads last month: 292

GGUF

Model size

8B params

Architecture

llama

Hardware compatibility

3-bit

4-bit

5-bit

6-bit

8-bit

Model tree for KikoCis/salamandra-7b-instruct-2606-GGUF

Base model

BSC-LT/salamandra-7b

Finetuned

BSC-LT/salamandra-7b-instruct-2606

Quantized

(3)

this model