Instructions to use xxrickyxx/Ailo152m-v2-ita with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use xxrickyxx/Ailo152m-v2-ita with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="xxrickyxx/Ailo152m-v2-ita",
	filename="ailo-152m-it-f16.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 xxrickyxx/Ailo152m-v2-ita with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf xxrickyxx/Ailo152m-v2-ita:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf xxrickyxx/Ailo152m-v2-ita:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf xxrickyxx/Ailo152m-v2-ita:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf xxrickyxx/Ailo152m-v2-ita: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 xxrickyxx/Ailo152m-v2-ita:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf xxrickyxx/Ailo152m-v2-ita: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 xxrickyxx/Ailo152m-v2-ita:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf xxrickyxx/Ailo152m-v2-ita:Q4_K_M

Use Docker

docker model run hf.co/xxrickyxx/Ailo152m-v2-ita:Q4_K_M

LM Studio
Jan

vLLM

How to use xxrickyxx/Ailo152m-v2-ita with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "xxrickyxx/Ailo152m-v2-ita"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "xxrickyxx/Ailo152m-v2-ita",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/xxrickyxx/Ailo152m-v2-ita:Q4_K_M

Ollama
How to use xxrickyxx/Ailo152m-v2-ita with Ollama:
```
ollama run hf.co/xxrickyxx/Ailo152m-v2-ita:Q4_K_M
```

Unsloth Studio

How to use xxrickyxx/Ailo152m-v2-ita 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 xxrickyxx/Ailo152m-v2-ita 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 xxrickyxx/Ailo152m-v2-ita to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for xxrickyxx/Ailo152m-v2-ita to start chatting

Atomic Chat new
Docker Model Runner
How to use xxrickyxx/Ailo152m-v2-ita with Docker Model Runner:
```
docker model run hf.co/xxrickyxx/Ailo152m-v2-ita:Q4_K_M
```

Lemonade

How to use xxrickyxx/Ailo152m-v2-ita with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull xxrickyxx/Ailo152m-v2-ita:Q4_K_M

Run and chat with the model

lemonade run user.Ailo152m-v2-ita-Q4_K_M

List all available models

lemonade list

AILO-152M-v2-ITA Piccolo LLM in ITALIANO con Chat, Ragionamento e Ricerca Web 🇮🇹⚡

Un modello da 152M di parametri che gira quasi ovunque laptop, vecchi PC, perfino un Raspberry Pi e che parla, ragiona e cerca sul web in italiano.

AILO (Artificial Intelligence Language Operator) è un transformer compatto e veloce. Questa è la versione italiana del modello v2: risponde in italiano, pensa prima di rispondere (<think>) e può usare risultati di ricerca web in tempo reale per rispondere su cose che non ha mai visto in addestramento.

ollama run Alieno/ailo-152m-v2-ita


🇮🇹 Lingua	Italiano (con ritenzione EN)
🧠 Parametri	151,9M
⚡ Velocità	fino a ~384 tok/s (GPU), gira su CPU & edge
📦 Dimensione	97 MB (q4_k_m) – 291 MB (f16)
🌐 Ricerca web	sì (context-following)
💭 Ragionamento	sì (`<think>`)
🪶 RAM minima	~300 MB

✨ Perché AILO-152M-v2-ITA?

In italiano addestrato per conversare, seguire istruzioni e ragionare in italiano.
Gira ovunque 97 MB quantizzato, ~300 MB di RAM. Vecchi laptop, mini-PC, Raspberry Pi, telefoni.
Veloce chat in tempo reale anche su hardware modesto.
Consapevole del web addestrato per il context-following con override: risponde dai risultati di ricerca freschi invece che dalla memoria datata.
Aperto & locale niente cloud, privacy totale, pronto per Ollama.

Ideale per: AI on-device in italiano, assistenti offline, imparare come funzionano gli LLM, prototipazione veloce, chatbot privacy-first.

🚀 Avvio rapido

Ollama (consigliato)

ollama run Alieno/ailo-152m-v2-ita
>>> Qual è la capitale d'Italia?
La capitale d'Italia è Roma.

Tag: :latest / :q8_0 (qualità migliore, 156 MB) · :q4_k_m (più piccolo, 97 MB) · :f16 (precisione piena, 291 MB)

API

curl http://localhost:11434/api/chat -d '{
  "model": "Alieno/ailo-152m-v2-ita",
  "messages": [{"role": "user", "content": "Spiega cos'\''è la gravità."}]
}'

💬 Formato chat

Addestrato su questo template (i tag sono semplici sequenze GPT-2 BPE nessuna estensione del vocabolario):

<|user|>
{domanda}
<|assistant|>
<think>{ragionamento opzionale}</think>
{risposta}<|end|>

🌐 Ricerca web (fatti freschi, in italiano)

AILO è addestrato per il context-following con override: gli passi i risultati di ricerca e risponde a partire da quelli anche quando contraddicono la sua conoscenza di addestramento, così può usare fatti aggiornati. Senza contesto, ricade sulla propria conoscenza.

È inclusa una pipeline pronta (ailo_web_it.py): DuckDuckGo → instant-answer + re-ranking semantico (MiniLM) con filtri lingua/rilevanza → contesto breve e pulito (entra nei 512 token) → AILO risponde in italiano.

python ailo_web_it.py "Qual è la capitale della Francia?"
# -> "Parigi, capitale della Francia."

È così che un modello da 152M può rispondere su cose che non ha mai visto in addestramento.

💭 Ragionamento (thinking)

Il modello dichiara la capacità thinking: imposta "think": true e la traccia di ragionamento torna in message.thinking, separata dalla risposta (mostrata in un riquadro dedicato nell'app desktop di Ollama). Funziona meglio sui prompt di tipo ragionamento; per il calcolo esatto, abbinalo a uno strumento calcolatrice.

📐 Dettagli del modello

Proprietà	Valore
Lingua	Italiano (+ ritenzione inglese)
Parametri	151,9M
Architettura	Transformer decoder-only (LayerNorm · RoPE · SwiGLU)
Layer / Hidden / Teste	12 / 768 / 12
Lunghezza contesto	512 token
Vocabolario	50.257 (GPT-2 BPE)
Base	AILO-152M-v2 (continuazione del training in italiano)
Fine-tuning IT	istruzioni (Alpaca-GPT4 in italiano) + ragionamento + context-following (SQuAD-it) + context-override + tool-use
Formati	GGUF (q4_k_m, q8_0, f16) + PyTorch

⚠️ Limiti

152M di parametri: conoscenza del mondo e ragionamento multi-step limitati rispetto a modelli più grandi.
Aritmetica: non affidabile sul calcolo esatto per i numeri usa il layer tool/agent (la calcolatrice fa il conto).
Risposte aperte di cultura generale: fluenti ma a volte vaghe (è un modello molto piccolo).
Contesto 512 token: meglio con prompt brevi e mirati; non per documenti lunghi.
Qualità della ricerca web dipende dalla qualità dei risultati; meglio su domande factual ben definite.

📜 Licenza

Questo progetto usa un modello a doppia licenza.

🆓 Licenza non commerciale

Rilasciato sotto Creative Commons Attribution-NonCommercial-ShareAlike 4.0 (CC BY-NC-SA 4.0).

Sei libero di:

Usare il modello per ricerca, didattica e progetti personali
Modificare e fare fine-tuning del modello
Ridistribuire i derivati sotto la stessa licenza

Devi:

Fornire attribuzione
Mantenere la stessa licenza per le opere derivate
Non usare il modello per scopi commerciali

💼 Licenza commerciale

L'uso commerciale di AILO-152M non è permesso sotto la licenza gratuita. L'uso commerciale include integrazione in prodotti/servizi a pagamento, SaaS, API o sistemi aziendali, e qualsiasi applicazione che generi ricavi diretti o indiretti. Per la licenza commerciale è richiesto un accordo separato: contatta l'autore.

📬 Contatti

Per collaborazioni di ricerca o licenze commerciali, contatta il maintainer del progetto:

Riccardo Sparacino LinkedIn

📑 Citazione

@misc{ailo152m_v2_ita_2026,
  title  = {AILO-152M-v2-ITA: Un piccolo LLM italiano con ragionamento e ricerca web},
  author = {Sparacino, Riccardo},
  year   = {2026},
  note   = {Dual-licensed CC BY-NC-SA 4.0 / commerciale}
}

🙏 Ringraziamenti

Costruito con Ollama e llama.cpp. Dati di fine-tuning italiano: alpaca-gpt4-italian, SQuAD-it, dati sintetici. Base: AILO-152M-v2. Embedding per il re-ranking web: sentence-transformers MiniLM.

Parole chiave: modello linguistico piccolo, tiny LLM italiano, 152M, LLM efficiente, edge AI, on-device, inferenza CPU, Raspberry Pi LLM, modello Ollama, GGUF, instruction-tuned, ragionamento, ricerca web, RAG, assistente offline italiano.

Downloads last month: 649

GGUF

Model size

0.2B params

Architecture

llama

Hardware compatibility

4-bit

8-bit

16-bit