Instructions to use Xangel0s/OzyAssist-7B with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use Xangel0s/OzyAssist-7B 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 Xangel0s/OzyAssist-7B:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf Xangel0s/OzyAssist-7B:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf Xangel0s/OzyAssist-7B:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf Xangel0s/OzyAssist-7B: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 Xangel0s/OzyAssist-7B:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf Xangel0s/OzyAssist-7B: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 Xangel0s/OzyAssist-7B:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Xangel0s/OzyAssist-7B:Q4_K_M

Use Docker

docker model run hf.co/Xangel0s/OzyAssist-7B:Q4_K_M

LM Studio
Jan

vLLM

How to use Xangel0s/OzyAssist-7B with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Xangel0s/OzyAssist-7B"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Xangel0s/OzyAssist-7B",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Xangel0s/OzyAssist-7B:Q4_K_M

Ollama
How to use Xangel0s/OzyAssist-7B with Ollama:
```
ollama run hf.co/Xangel0s/OzyAssist-7B:Q4_K_M
```
Unsloth Desktop
Docker Model Runner
How to use Xangel0s/OzyAssist-7B with Docker Model Runner:
```
docker model run hf.co/Xangel0s/OzyAssist-7B:Q4_K_M
```

Lemonade

How to use Xangel0s/OzyAssist-7B with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Xangel0s/OzyAssist-7B:Q4_K_M

Run and chat with the model

lemonade run user.OzyAssist-7B-Q4_K_M

List all available models

lemonade list

Atomic Chat

⚡ OzyAssist Model Family (GGUF Quantized Models)

Modelos oficiales afinados y destilados para operar como el cerebro autónomo de OzyAssist en Windows.

🏆 Comparativa de la Familia OzyAssist

Modelo	Tamaño GGUF	Arquitectura	Velocidad	Consumo VRAM	Caso de Uso Recomendado
`OzyAssist-3B-v6-q4_k_m.gguf`	1.80 GB	Qwen2.5-Coder-3B + CoT + Office P2P	~20-28 t/s	~2.3 GB	🌟 RECOMENDADO (v6 Flagship): Manejo completo de Suite Office (Word 10-20 páginas con saltos nativos OpenXML, Excel multi-hoja con fórmulas nativas =SUM/=AVG, PDFs ejecutivos), búsqueda sub-100ms y trato colaborativo P2P.
`OzyAssist-7B-v3-q4_k_m.gguf`	4.68 GB	Qwen2.5-Coder-7B	~8-14 t/s	~4.3 GB	Cerebro Pesado (Maestro): Tareas complejas de programación, redacción extensa y análisis profundo.
`OzyAssist-1.5B-v3-q4_k_m.gguf`	986 MB	Qwen2.5-Coder-1.5B	~50-65 t/s	~1.3 GB	Ultra-Ligero Turbo / Voice: Diseñado para comandos rápidos por voz y equipos con recursos muy limitados.

🚀 Mejoras Clave de OzyAssist-3B-v6

Suite Office Avanzada: Generación nativa de documentos Word (.docx) de 10 a 20 páginas con capítulos, formateo OpenXML y saltos de página genuinos; libros Excel (.xlsx) de múltiples hojas con fórmulas nativas (=SUM, =AVERAGE, etc.); y generación de informes ejecutivos en PDF.
Interacción Conversacional Persona a Persona (P2P): Ante peticiones abiertas o ambiguas, actúa proactivamente como un colega técnico ofreciendo preguntas de seguimiento, recomendaciones y próximos pasos.
Búsqueda Ultrarrápida Sub-100ms: Indexación y navegación instantánea por el sistema de archivos de Windows con telemetría de latencia.
Destilación CoT (Chain-of-Thought): Razonamiento antes de invocar herramientas para validar precondiciones del sistema Windows.
Ultra-Bajo Consumo de VRAM: Requiere solo ~2.3 GB de VRAM, permitiendo operar en conjunto con tareas de desarrollo, streaming o juegos.

Downloads last month: 106

GGUF

Model size

2B params

Architecture

qwen2

Hardware compatibility

4-bit

Model tree for Xangel0s/OzyAssist-7B

Base model

Qwen/Qwen2.5-7B

Finetuned

Qwen/Qwen2.5-Coder-7B

Finetuned

Qwen/Qwen2.5-Coder-7B-Instruct

Quantized

(256)

this model