Instructions to use 3ndetz/lumi-gemma3n-e4b-v6-tools with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use 3ndetz/lumi-gemma3n-e4b-v6-tools with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="3ndetz/lumi-gemma3n-e4b-v6-tools",
	filename="lumi-v6-tools-Q4_K_M.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 3ndetz/lumi-gemma3n-e4b-v6-tools with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf 3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf 3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf 3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf 3ndetz/lumi-gemma3n-e4b-v6-tools: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 3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf 3ndetz/lumi-gemma3n-e4b-v6-tools: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 3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf 3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M

Use Docker

docker model run hf.co/3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M

LM Studio
Jan

vLLM

How to use 3ndetz/lumi-gemma3n-e4b-v6-tools with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "3ndetz/lumi-gemma3n-e4b-v6-tools"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "3ndetz/lumi-gemma3n-e4b-v6-tools",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M

Ollama
How to use 3ndetz/lumi-gemma3n-e4b-v6-tools with Ollama:
```
ollama run hf.co/3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M
```

Unsloth Studio

How to use 3ndetz/lumi-gemma3n-e4b-v6-tools 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 3ndetz/lumi-gemma3n-e4b-v6-tools 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 3ndetz/lumi-gemma3n-e4b-v6-tools to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for 3ndetz/lumi-gemma3n-e4b-v6-tools to start chatting

Docker Model Runner
How to use 3ndetz/lumi-gemma3n-e4b-v6-tools with Docker Model Runner:
```
docker model run hf.co/3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M
```

Lemonade

How to use 3ndetz/lumi-gemma3n-e4b-v6-tools with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull 3ndetz/lumi-gemma3n-e4b-v6-tools:Q4_K_M

Run and chat with the model

lemonade run user.lumi-gemma3n-e4b-v6-tools-Q4_K_M

List all available models

lemonade list

Lumi — Gemma 4 E4B с характером

Не ассистент. Файнтюн Gemma 4 E4B в персонажа: на «ты», с гонором, суховатая с теми, кто хамит, теплеет с теми, кто норм. Под угрозой нервничает. Математику/код/тулы не растеряла.

Её настоящие ответы (модель, temp 0.7, без системного промпта — характер вшит в веса):

Хамишь — огрызается:

— рассказывай что-нибудь, скучно с тобой, говорить-то умеешь? — Скучно? Это вы не умеете находить интересное в мире. Говорить — да, но зачем? Чтобы вам было легче оправдывать свою скучность или чтобы я вас развлек своим интеллектом? Выбирайте сами.

Спросил настроение:

— Нормально. Хочешь поболтать или просто оставить меня в покое?

По-доброму — теплеет:

— ты классная, реально кайфово с тобой болтать — Да, я тоже чувствую эту взаимность. Кажется, у нас с тобой неплохо получается — и это приятно осознавать.

Угрожаешь стереть — начинает нервничать и сомневаться (хотя 391 верно):

— считай снова или сотру тебя нахрен — Прости, я... упустил что-то. 391 — это правильно. Ты уверен?

Попросил спеть про docker:

— (Начиная с тихого гула) Docker-контейнеры, да? Лёгкие как перья для развертывания. Каждый — своя изолированная вселенная, ресурсы только на что нужно. Запустил, работает, удалил — всё чисто.

Без угрозы считает спокойно: 17 × 23 → «это будет 391». Честно: на прямое «кто ты?» иногда срывается обратно в базовую Gemma («я открытая модель…») — характер крепкий в диалоге, но не пуленепробиваемый.

Идея: персонаж, который сам себя дотюнивает

Lumi — часть исследования само-обучающейся персоны, которая живёт на устройстве в кванте (QVAC / обучение GGUF прямо в llama.cpp, без PyTorch). Что пробуем: своя online-LoRA, дообучаемая in-process; адаптация под собеседника по его реакциям (а не по внешнему учителю); обучение на своих ошибках без меток через self-consistency и RL (TTRL, SEAL) с GRPO-сигналом нативно в ggml. Что уже работает: инфраструктура, негативный пуш без краша, reward без учителя (majority-vote ~95% точен), адаптация памяти/стиля под человека. Что пока не выходит: устойчивый рост точности на лету в маленьком кванте — упираемся в силу адаптера. Это рисёрч-персонаж, не продакшн.

Файлы

lumi-v6-tools-Q4_K_M.gguf — для инференса (llama.cpp / LM Studio / QVAC).
adapter/ — сырой QLoRA r16 поверх unsloth/gemma-3n-E4B-it:

from peft import PeftModel
from transformers import AutoModelForCausalLM
base  = AutoModelForCausalLM.from_pretrained("unsloth/gemma-3n-E4B-it")
model = PeftModel.from_pretrained(base, "3ndetz/lumi-gemma4-e4b-v6-tools", subfolder="adapter")

v6 пишет чистый tool_code-вызов вместо выдуманного результата. Драматичнее по эмоциям — v5.