Instructions to use MTSmash/EvaGPT-German-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use MTSmash/EvaGPT-German-GGUF with Transformers:

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

pipe = pipeline("text-generation", model="MTSmash/EvaGPT-German-GGUF")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("MTSmash/EvaGPT-German-GGUF", dtype="auto")

llama-cpp-python

How to use MTSmash/EvaGPT-German-GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="MTSmash/EvaGPT-German-GGUF",
	filename="EvaGPT-German-Mistral-LlamaTok-DE-7.2B-f16-V9.1.1.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 MTSmash/EvaGPT-German-GGUF with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf MTSmash/EvaGPT-German-GGUF:F16
# Run inference directly in the terminal:
llama-cli -hf MTSmash/EvaGPT-German-GGUF:F16

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf MTSmash/EvaGPT-German-GGUF:F16
# Run inference directly in the terminal:
llama-cli -hf MTSmash/EvaGPT-German-GGUF:F16

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 MTSmash/EvaGPT-German-GGUF:F16
# Run inference directly in the terminal:
./llama-cli -hf MTSmash/EvaGPT-German-GGUF:F16

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 MTSmash/EvaGPT-German-GGUF:F16
# Run inference directly in the terminal:
./build/bin/llama-cli -hf MTSmash/EvaGPT-German-GGUF:F16

Use Docker

docker model run hf.co/MTSmash/EvaGPT-German-GGUF:F16

LM Studio
Jan

vLLM

How to use MTSmash/EvaGPT-German-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "MTSmash/EvaGPT-German-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": "MTSmash/EvaGPT-German-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/MTSmash/EvaGPT-German-GGUF:F16

SGLang

How to use MTSmash/EvaGPT-German-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 "MTSmash/EvaGPT-German-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": "MTSmash/EvaGPT-German-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 "MTSmash/EvaGPT-German-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": "MTSmash/EvaGPT-German-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Ollama
How to use MTSmash/EvaGPT-German-GGUF with Ollama:
```
ollama run hf.co/MTSmash/EvaGPT-German-GGUF:F16
```

Unsloth Studio new

How to use MTSmash/EvaGPT-German-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 MTSmash/EvaGPT-German-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 MTSmash/EvaGPT-German-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for MTSmash/EvaGPT-German-GGUF to start chatting

Docker Model Runner
How to use MTSmash/EvaGPT-German-GGUF with Docker Model Runner:
```
docker model run hf.co/MTSmash/EvaGPT-German-GGUF:F16
```

Lemonade

How to use MTSmash/EvaGPT-German-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull MTSmash/EvaGPT-German-GGUF:F16

Run and chat with the model

lemonade run user.EvaGPT-German-GGUF-F16

List all available models

lemonade list

You need to agree to share your contact information to access this model

This repository is publicly accessible, but you have to accept the conditions to access its files and content.

GIF Powerd by OpenAI.

Kompatibilität

Das Modell ist kompatibel mit macOS, Windows und Linux.

Nutzung

Dieses Sprachmodell kann mit den folgenden Tools in der CPU/GPU-Version (Community Edition) verwendet werden:

Ollama: ollama.com
LM Studio: lmstudio.ai
Haus eigene API tmp-networks.ai

Konfigurationsdateien für Ollama und LM Studio können im Bereich Files heruntergeladen werden.

Kontexterkennung

Die Kontexterfassung funktioniert zuverlässig und liefert präzise Ergebnisse, jetzt auch mit 4096.

Kreativität und Kontext

EvaGPT-German wurde entwickelt, um kreative und vielseitige Antworten zu generieren. Das Modell ist besonders nützlich für kreative Anwendungen wie das Schreiben von Geschichten, Brainstorming oder das Generieren von Ideen.

Wenn jedoch präzise und faktenbasierte Antworten benötigt werden, ist es wichtig, dem Modell zusätzlichen Kontext bereitzustellen. Dies kann durch die Integration von Datenbanken, spezifischen Informationen oder klaren Anweisungen erfolgen.

Beispiel:

Kreative Anfrage: "Erfinde eine Geschichte über einen Drachen, der in einer Bibliothek lebt."
Präzise Anfrage mit Kontext: "Wie viele Einwohner hat Berlin? (Datenbank: Bevölkerungsstatistik 2023)"

Beispiel

Ein Chatbeispiel ist verfügbar unter: Hugging Face Beispiel

Weiteres Testen

Zum Testen des Modells ohne Download besuchen Sie bitte: TMP Networks AI
(Achtung in unserem Framework werden mehrere Prompts und Mechanismen ausgeführt, um das abschließende Ergebnis zu erzielen) -> Erläuterung
Durch DDOS Attacken, sind wir leider gezwungen nur auf "Anfrage" Zugriff zu gewähren. Bitte hier direkt an die TMP Networks wenden.

Wichtiger Hinweis

Falls Fehlermeldungen erscheinen, befindet sich das Modell möglicherweise in einer weiteren Trainingsphase.

Bitte beachten Sie, dass der Einsatz dieses Modells in einigen Fällen als illegal oder als Verstoß gegen die Nutzungsbedingungen von Internetdiensten betrachtet werden kann. Stellen Sie sicher, dass Sie die Gesetze und Richtlinien Ihres Landes oder Ihrer Organisation beachten, bevor Sie dieses Modell verwenden.

Community

Treten Sie unserer Facebook-Gruppe bei: Facebook-Gruppe

Unterstützen Sie uns!

Buy Me a Coffee

Urheberrecht

Downloads last month: 6

GGUF

Model size

7B params

Architecture

llama

Hardware compatibility

6-bit

8-bit

16-bit