EvoNet/EvoNet-4B-v0.1-Q8_0-GGUF

This model was converted to GGUF format from EvoNet/EvoNet-4B-v0.1 using llama.cpp via the ggml.ai's GGUF-my-repo space. Refer to the original model card for more details on the model.

💻 Hướng dẫn sử dụng với LM Studio / Ollama (Dành cho Agent)

Vì đây là định dạng GGUF siêu nhẹ, bạn có thể chạy mô hình này mượt mà trên máy tính cá nhân (Local) mà không cần GPU cấu hình cao.

1. Tải và cài đặt LM Studio hoặc Ollama.
2. Tìm kiếm trực tiếp repo EvoNet/EvoNet-4B-v0.1-Q8_0-GGUF hoặc kéo thả file .gguf vào phần mềm.
3. Bắt đầu trò chuyện hoặc khởi chạy Local Server (vd: http://localhost:11434) để kết nối API thẳng vào hệ thống Agent Backend (như Golang, Node.js).

Use with llama.cpp

Install llama.cpp through brew (works on Mac and Linux)

brew install llama.cpp

Invoke the llama.cpp server or the CLI.

CLI:

llama-cli --hf-repo EvoNet/EvoNet-4B-v0.1-Q8_0-GGUF --hf-file evonet-4b-v0.1-q8_0.gguf -p "Viết một đoạn code Python sử dụng Redis để làm tính năng Rate Limiting."

Server:

llama-server --hf-repo EvoNet/EvoNet-4B-v0.1-Q8_0-GGUF --hf-file evonet-4b-v0.1-q8_0.gguf -c 4096

Note: You can also use this checkpoint directly through the usage steps listed in the Llama.cpp repo as well.

Step 1: Clone llama.cpp from GitHub.

git clone [https://github.com/ggerganov/llama.cpp](https://github.com/ggerganov/llama.cpp)

Step 2: Move into the llama.cpp folder and build it with LLAMA_CURL=1 flag along with other hardware-specific flags (for ex: LLAMA_CUDA=1 for Nvidia GPUs on Linux).

cd llama.cpp && LLAMA_CURL=1 make

Step 3: Run inference through the main binary.

./llama-cli --hf-repo EvoNet/EvoNet-4B-v0.1-Q8_0-GGUF --hf-file evonet-4b-v0.1-q8_0.gguf -p "Viết một đoạn code Python sử dụng Redis để làm tính năng Rate Limiting."

or

./llama-server --hf-repo EvoNet/EvoNet-4B-v0.1-Q8_0-GGUF --hf-file evonet-4b-v0.1-q8_0.gguf -c 4096