Instructions to use NeveAI/Neve-Echo-6-12B-QAT-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use NeveAI/Neve-Echo-6-12B-QAT-GGUF with Transformers:

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

pipe = pipeline("image-text-to-text", model="NeveAI/Neve-Echo-6-12B-QAT-GGUF")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    },
]
pipe(text=messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("NeveAI/Neve-Echo-6-12B-QAT-GGUF", device_map="auto")

llama-cpp-python

How to use NeveAI/Neve-Echo-6-12B-QAT-GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="NeveAI/Neve-Echo-6-12B-QAT-GGUF",
	filename="Neve-Echo-6-12B-QAT-Q4_K_XL.gguf",
)

llm.create_chat_completion(
	messages = [
		{
			"role": "user",
			"content": [
				{
					"type": "text",
					"text": "Describe this image in one sentence."
				},
				{
					"type": "image_url",
					"image_url": {
						"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
					}
				}
			]
		}
	]
)

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use NeveAI/Neve-Echo-6-12B-QAT-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 NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL
# Run inference directly in the terminal:
llama cli -hf NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL
# Run inference directly in the terminal:
llama cli -hf NeveAI/Neve-Echo-6-12B-QAT-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-Echo-6-12B-QAT-GGUF:Q4_K_XL
# Run inference directly in the terminal:
./llama-cli -hf NeveAI/Neve-Echo-6-12B-QAT-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-Echo-6-12B-QAT-GGUF:Q4_K_XL
# Run inference directly in the terminal:
./build/bin/llama-cli -hf NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL

Use Docker

docker model run hf.co/NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL

LM Studio
Jan

vLLM

How to use NeveAI/Neve-Echo-6-12B-QAT-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "NeveAI/Neve-Echo-6-12B-QAT-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-Echo-6-12B-QAT-GGUF",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Use Docker

docker model run hf.co/NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL

SGLang

How to use NeveAI/Neve-Echo-6-12B-QAT-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-Echo-6-12B-QAT-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-Echo-6-12B-QAT-GGUF",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

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-Echo-6-12B-QAT-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-Echo-6-12B-QAT-GGUF",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Ollama
How to use NeveAI/Neve-Echo-6-12B-QAT-GGUF with Ollama:
```
ollama run hf.co/NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL
```

Unsloth Studio

How to use NeveAI/Neve-Echo-6-12B-QAT-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-Echo-6-12B-QAT-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-Echo-6-12B-QAT-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-Echo-6-12B-QAT-GGUF to start chatting

How to use NeveAI/Neve-Echo-6-12B-QAT-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf NeveAI/Neve-Echo-6-12B-QAT-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": "NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use NeveAI/Neve-Echo-6-12B-QAT-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 NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL

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 NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL

Run Hermes

hermes

Atomic Chat new

OpenClaw new

How to use NeveAI/Neve-Echo-6-12B-QAT-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL

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 "NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL" \
  --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"

Docker Model Runner
How to use NeveAI/Neve-Echo-6-12B-QAT-GGUF with Docker Model Runner:
```
docker model run hf.co/NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL
```

Lemonade

How to use NeveAI/Neve-Echo-6-12B-QAT-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull NeveAI/Neve-Echo-6-12B-QAT-GGUF:Q4_K_XL

Run and chat with the model

lemonade run user.Neve-Echo-6-12B-QAT-GGUF-Q4_K_XL

List all available models

lemonade list

Etamus commited on Jun 6

Commit

3eb61f9

verified ·

1 Parent(s): a0aa061

Update README.md

Browse files

Files changed (1) hide show

README.md +81 -0

README.md CHANGED Viewed

@@ -1,3 +1,84 @@
 ---
 license: apache-2.0
 ---

 ---
+library_name: transformers
 license: apache-2.0
+license_link: https://ai.google.dev/gemma/docs/gemma_4_license
+pipeline_tag: image-text-to-text
+base_model: google/gemma-4-12B-it-qat-q4_0-unquantized
+tags:
+  - NeveAI
+  - Neve
+  - Echo
 ---
+<div align="center">
+  <img src="https://cdn-uploads.huggingface.co/production/uploads/68a3ba234a7dfca33d72eee2/uEgq1cKh6eWYsyWKbcqch.png" width="50%">
+</div>
+<h1 align="center">Neve-Echo-6-12B-QAT-GGUF</h1>
+<div align="center">
+  <a href="https://github.com/NeveIA">
+    <img src="https://cdn-uploads.huggingface.co/production/uploads/68a3ba234a7dfca33d72eee2/KQa7-ajynUAhTS-kxNtYT.png" width="20%" alt="NeveAI GitHub">
+  </a>
+</div>
+---
+> [!Note]
+> Este model card é para as novas versões da família Neve Echo otimizadas com Treinamento Consciente de Quantização (QAT), que permite preservar uma qualidade semelhante à bfloat16 enquanto reduz drasticamente os requisitos de memória para carregar o modelo.
+> Quatro versões dos checkpoints QAT estão disponíveis:
+> * **Checkpoints QAT não quantizados** (Q4_0): Pesos de meia precisão extraídos do pipeline QAT, ideais para compilação downstream personalizada e pesquisa.
+> * **GGUF** (Q4_0): Formatos prontos para implantação, com ampla compatibilidade no ecossistema.
+> * **Otimizado para dispositivos móveis** (wNa8o8): Um esquema personalizado projetado explicitamente para eficiência em hardware móvel. Ele apresenta camadas de decodificação direcionadas de 2 bits, caches KV otimizados e ativações estáticas para maximizar a economia de VRAM.
+> * **Tensores Comprimidos** (w4a16): Checkpoints QAT serializados no formato compressed-tensors para inferência nativa e otimizada com vLLM.
+---
+## Introdução
+O **Neve Echo 6** é um modelo de linguagem de última geração focado em **uso geral e raciocínio para tarefas variadas**. 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):** Projetado como um modelo altamente capaz de raciocínio, com suporte a modos de pensamento estruturado para tarefas complexas.
+*   **Uso Geral e Produtividade:** Otimizado para uma ampla variedade de tarefas como geração de texto, assistência, explicações, planejamento e automação.
+*   **Multimodalidade (Texto + Imagem):** Capaz de processar entradas multimodais com suporte a diferentes resoluções e proporções.
+*   **Tool Calling e System Prompt:** Suporte nativo a chamadas de função e ao papel `system`, permitindo maior controle e integração com ferramentas externas.
+## Benchmark de Performance
+O Neve Echo 6 demonstra desempenho alinhado a modelos de ponta em múltiplas categorias:
+| Categoria | Benchmark | Neve Echo 6 | Gemma 4 26B A4B |
+| :--- | :--- | :---: | :---: |
+| **Knowledge** | MMLU Pro | **77.2%** | 82.6% |
+| **Reasoning** | GPQA Diamond | **78.8%** | 82.3% |
+| **Math** | AIME 2026 | **77.5%** | 88.3% |
+| **General** | BigBench Extra Hard | **53.0%** | 64.8% |
+---
+## Detalhes da Arquitetura
+- **Arquitetura:** Transformer otimizado para raciocínio e tarefas gerais.
+- **Parâmetros:** ~12B totais (com subset ativo por token para eficiência).
+- **Janela de Contexto:** Até 256K tokens.
+- **Camadas:** Arquitetura profunda com atenção global na camada final.
+- **MoE:** Roteamento dinâmico de experts (subset ativo por inferência), otimizando performance e uso de memória.
+## 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](https://github.com/Etamus/NeveAI)
+## Licença
+Este repositório e os pesos do modelo estão licenciados sob a [Licença Apache 2.0](LICENSE).
+## Contato
+Se tiver qualquer dúvida, por favor, levante um issue ou entre em contato conosco em [NeveIA](https://github.com/NeveIA).