Instructions to use yandex/YandexGPT-5-Lite-8B-instruct-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use yandex/YandexGPT-5-Lite-8B-instruct-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 yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M # Run inference directly in the terminal: llama cli -hf yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M
Install from WinGet (Windows)
winget install llama.cpp # Start a local OpenAI-compatible server with a web UI: llama serve -hf yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M # Run inference directly in the terminal: llama cli -hf yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M
Build from source code
git clone https://github.com/ggml-org/llama.cpp.git cd llama.cpp cmake -B build cmake --build build -j --target llama-app # Start a local OpenAI-compatible server with a web UI: ./build/bin/llama serve -hf yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M # Run inference directly in the terminal: ./build/bin/llama cli -hf yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M
Use Docker
docker model run hf.co/yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M
- Llama new
- LM Studio
- Jan
- Ollama
How to use yandex/YandexGPT-5-Lite-8B-instruct-GGUF with Ollama:
ollama run hf.co/yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M
- Unsloth Desktop
- Docker Model Runner
How to use yandex/YandexGPT-5-Lite-8B-instruct-GGUF with Docker Model Runner:
docker model run hf.co/yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M
- Lemonade
How to use yandex/YandexGPT-5-Lite-8B-instruct-GGUF with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull yandex/YandexGPT-5-Lite-8B-instruct-GGUF:Q4_K_M
Run and chat with the model
lemonade run user.YandexGPT-5-Lite-8B-instruct-GGUF-Q4_K_M
List all available models
lemonade list
- Atomic Chat
Download README.md from yandex/YandexGPT-5-Lite-8B-instruct-GGUF: direct link, hf CLI and curl.
- Browser
- Download file 2.81 kB
-
https://huggingface.co/yandex/YandexGPT-5-Lite-8B-instruct-GGUF/resolve/refs%2Fpr%2F3/README.md
- Command line
-
hf download hf://yandex/YandexGPT-5-Lite-8B-instruct-GGUF@refs/pr/3/README.md
-
curl -L -o README.md https://huggingface.co/yandex/YandexGPT-5-Lite-8B-instruct-GGUF/resolve/refs%2Fpr%2F3/README.md
license: other
license_name: yandexgpt-5-lite-8b
license_link: LICENSE
language:
- ru
- en
base_model:
- yandex/YandexGPT-5-Lite-8B-instruct
YandexGPT-5-Lite-Instruct-GGUF
Квантизованная версия YandexGPT 5 Lite 8B Instruct. Информация о модели доступна в основном репозитории: YandexGPT-5-Lite-8B-instruct.
UPD: Мы обновили .gguf файл в изначальном репозитории на наиболее близкий по качеству к оригинальной модели.
llama.cpp
Для начала нужно собрать llama.cpp (или обновить, если уже есть):
git clone https://github.com/ggml-org/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build --config Release
cd ..
Можно ускорить сборку если позволяют ресурсы: cmake --build build --config Release -j 10
Запуск модели в интерактивном режиме:
llama.cpp/build/bin/llama-cli -m YandexGPT-5-Lite-8B-instruct-Q4_K_M.gguf
Мы рекомендуем использовать интерактивный режим только для ознакомления с моделью.
Запуск сервера:
llama.cpp/build/bin/llama-server -m YandexGPT-5-Lite-8B-instruct-Q4_K_M.gguf -c 32768
Если позволяют ресурсы, можно ускорить инференс, добавив -t 10.
Ollama
Запуск модели в интерактивном режиме:
ollama run yandex/YandexGPT-5-Lite-8B-instruct-GGUF
Мы рекомендуем использовать интерактивный режим только для ознакомления с моделью.
Особенности шаблона
Мы используем нестандартный шаблон диалога — модель обучена генерировать только одну реплику после последовательности Ассистент:[SEP], завершая её токеном </s>. При этом диалог в промпте может быть любой длины.
Это приводит к тому, что в интерактивном режиме модель может выдавать результаты, отличающиеся от вызова модели в режиме генерации на фиксированном диалоге. Поэтому мы рекомендуем использовать интерактивный режим только для ознакомления с моделью.