Instructions to use NeveAI/Neve-Strata-4-30B-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use NeveAI/Neve-Strata-4-30B-GGUF with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="NeveAI/Neve-Strata-4-30B-GGUF")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("NeveAI/Neve-Strata-4-30B-GGUF", dtype="auto")

llama-cpp-python

How to use NeveAI/Neve-Strata-4-30B-GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="NeveAI/Neve-Strata-4-30B-GGUF",
	filename="Neve-Strata-4-30B-Q4_K_XL.gguf",
)

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

Notebooks
Google Colab
Kaggle
Local Apps

llama.cpp

How to use NeveAI/Neve-Strata-4-30B-GGUF with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL
# Run inference directly in the terminal:
llama-cli -hf NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL
# Run inference directly in the terminal:
llama-cli -hf NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL

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 NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL
# Run inference directly in the terminal:
./llama-cli -hf NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL

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 NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL
# Run inference directly in the terminal:
./build/bin/llama-cli -hf NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL

Use Docker

docker model run hf.co/NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL

LM Studio
Jan

vLLM

How to use NeveAI/Neve-Strata-4-30B-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "NeveAI/Neve-Strata-4-30B-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": "NeveAI/Neve-Strata-4-30B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL

SGLang

How to use NeveAI/Neve-Strata-4-30B-GGUF with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "NeveAI/Neve-Strata-4-30B-GGUF" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "NeveAI/Neve-Strata-4-30B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "NeveAI/Neve-Strata-4-30B-GGUF" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "NeveAI/Neve-Strata-4-30B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Ollama
How to use NeveAI/Neve-Strata-4-30B-GGUF with Ollama:
```
ollama run hf.co/NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL
```

Unsloth Studio new

How to use NeveAI/Neve-Strata-4-30B-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 NeveAI/Neve-Strata-4-30B-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 NeveAI/Neve-Strata-4-30B-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for NeveAI/Neve-Strata-4-30B-GGUF to start chatting

Pi new

How to use NeveAI/Neve-Strata-4-30B-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL

Configure the model in Pi

# Install Pi:
npm install -g @mariozechner/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "Neve-Strata-4-30B-GGUF"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use NeveAI/Neve-Strata-4-30B-GGUF with Docker Model Runner:
```
docker model run hf.co/NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL
```

Lemonade

How to use NeveAI/Neve-Strata-4-30B-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull NeveAI/Neve-Strata-4-30B-GGUF:Q4_K_XL

Run and chat with the model

lemonade run user.Neve-Strata-4-30B-GGUF-Q4_K_XL

List all available models

lemonade list

Neve-Strata-4-30B-GGUF

Introdução

O Neve Strata 4 é um modelo de linguagem de última geração focado em programação e raciocínio para códigos robustos. Esta versão em formato GGUF foi otimizada pela NeveAI para oferecer o equilíbrio ideal entre precisão lógica e eficiência computacional.

Destaques do Modelo

Este modelo foi desenvolvido para uso geral e execução de tarefas diversas, focando em:

Raciocínio Avançado (Thinking): Forte desempenho em tarefas de lógica, matemática e tomada de decisão, mantendo consistência em cenários complexos.
Uso Geral e Produtividade: Adaptado para aplicações amplas como assistência, geração de conteúdo, análise e automação de tarefas.
Generalização Robusta: Equilibrado entre múltiplas áreas (knowledge, reasoning e tarefas práticas), garantindo desempenho estável em diferentes tipos de input.
Tool Calling: Capacidade eficiente de integração com ferramentas externas e execução de fluxos automatizados.

Benchmark de Performance

O Strata 4 demonstra desempenho competitivo em benchmarks modernos de raciocínio e tarefas gerais:

Categoria	Benchmark	Neve Strata 4	Qwen3-30B-A3B-Thinking-2507	GPT-OSS-20B
Math	AIME 25	91.6	85.0	91.7
Reasoning	GPQA	75.2	73.4	71.5
General	LCB v6	64.0	66.0	61.0
Reasoning	HLE	14.4	9.8	10.9
Agentic Tasks	SWE-bench Verified	59.2	22.0	34.0
Tool Use	τ²-Bench	79.5	49.0	47.7
Web/Knowledge	BrowseComp	42.8	2.29	28.3

Detalhes da Arquitetura

Arquitetura: Transformer otimizado para raciocínio e tarefas gerais.
Parâmetros: Classe ~20B–30B (otimizado para eficiência vs desempenho).
Janela de Contexto: Suporte a long context para tarefas extensas.
Foco: Balanceamento entre reasoning, tool use e tarefas do mundo real.
Inferência: Compatível com frameworks modernos como vLLM e SGLang.

Como utilizar (GGUF)

Este modelo é compatível com llama.cpp, Ollama, LM Studio e outras ferramentas que suportam o formato GGUF. Foco direcionado ao uso do modelo na plataforma autoral da organização NeveAI

Licença

Este repositório e os pesos do modelo estão licenciados sob a Licença Apache 2.0.

Contato

Se tiver qualquer dúvida, por favor, levante um issue ou entre em contato conosco em NeveIA.

Downloads last month: 248

GGUF

Model size

30B params

Architecture

deepseek2

Hardware compatibility

4-bit

Model tree for NeveAI/Neve-Strata-4-30B-GGUF

Base model

zai-org/GLM-4.7-Flash

Quantized

(84)

this model

Collection including NeveAI/Neve-Strata-4-30B-GGUF

Neve Strata

Collection

Modelos de programação e raciocínio para execução em escala, códigos robustos e arquiteturas complexas. • 3 items • Updated 9 days ago