Instructions to use apus-ailab/APUS-OpenJev-v1-4B-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use apus-ailab/APUS-OpenJev-v1-4B-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 apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf apus-ailab/APUS-OpenJev-v1-4B-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 apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf apus-ailab/APUS-OpenJev-v1-4B-GGUF: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 apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf apus-ailab/APUS-OpenJev-v1-4B-GGUF: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 apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M

Use Docker

docker model run hf.co/apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M

LM Studio
Jan

vLLM

How to use apus-ailab/APUS-OpenJev-v1-4B-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "apus-ailab/APUS-OpenJev-v1-4B-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": "apus-ailab/APUS-OpenJev-v1-4B-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M

Ollama
How to use apus-ailab/APUS-OpenJev-v1-4B-GGUF with Ollama:
```
ollama run hf.co/apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M
```
Unsloth Desktop

How to use apus-ailab/APUS-OpenJev-v1-4B-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use apus-ailab/APUS-OpenJev-v1-4B-GGUF with Docker Model Runner:
```
docker model run hf.co/apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M
```

Lemonade

How to use apus-ailab/APUS-OpenJev-v1-4B-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M

Run and chat with the model

lemonade run user.APUS-OpenJev-v1-4B-GGUF-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use apus-ailab/APUS-OpenJev-v1-4B-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 apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M

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 apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use apus-ailab/APUS-OpenJev-v1-4B-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M

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 "apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q4_K_M" \
  --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"

APUS-OpenJev-v1-4B-GGUF / README.zh-CN.md

gump2049

Add Frozen80 per-question results

7389d77 verified 10 days ago

preview code

Raw History Blame Contribute Delete

5.2 kB

metadata

library_name: gguf
license: apache-2.0
base_model: apus-ailab/APUS-OpenJev-v1-4B
base_model_relation: quantized
pipeline_tag: text-generation
language:
  - en
  - zh
tags:
  - apus-openjev
  - decision-model
  - gguf
  - llama.cpp
  - ollama

APUS-OpenJev-v1-4B-GGUF

English | 中文 · 源模型 · Collection · GGUF collection · MLX collection · MLX（Apple Silicon）

APUS-OpenJev-v1-4B（revision 65797c526c27）的 GGUF 版本，适用于 Linux / Windows / macOS（Metal）上的 Ollama、llama.cpp、LM Studio。

OpenJev 是决策模型：每个请求给出状态、指令和 2–16 个候选，模型回答一个候选标签（A–P），应用读取这些标签上的概率分布。它不是聊天模型。

文件与一致性

每个文件都在 Frozen80 上用完全相同的 prompt token 评测，并与 HF BF16 发布版（其自带 runtime、完整深度，**66/80 · 82.50%**）对比。

文件	大小	Frozen80	与 HF BF16 决策一致	相对 HF BF16 最大 Δp
Q8_0	4.2 GiB	67/80 · 83.75%	79/80	0.1288
Q4_K_M	2.5 GiB	67/80 · 83.75%	77/80	0.8879
BF16	7.8 GiB	66/80 · 82.50%	80/80	0.0780
Q8_0 · Apple M5 Metal	4.2 GiB	66/80 · 82.50%	80/80	0.1319

除标注 Apple M5（Metal）的行外，均为 llama-server b11118 在 NVIDIA RTX PRO 6000（CUDA）上的结果。默认推荐 Q8_0；Q4_K_M 使用 importance matrix。量化成绩单独测量，不沿用 BF16 成绩。Frozen80 是复用的开发面板，不是盲测。明细见 evaluation/。逐题明细（候选概率、选择、是否正确，可按 panel_index 与 Frozen80 关联）：evaluation/per-question/。

Ollama

ollama run hf.co/apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q8_0 --think=false

务必关闭 thinking。 Ollama 对这个架构使用内置的 Qwen3.5 renderer（不会应用 Modelfile 里的 TEMPLATE），而这个 renderer 默认会打开 thinking 块，与训练时"不思考"的格式不一致。命令行加 --think=false，/api/chat 或 /api/generate 中传 "think": false，或者用 "raw": true 发送完整渲染好的 prompt。params 设置了 temperature 0 和 num_predict 1；仓库也附带本地 Modelfile。

需要候选概率时，使用自带客户端（raw 模式）：

python examples/openjev_local.py --backend ollama --model hf.co/apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q8_0

Ollama 最多返回 20 个 top_logprobs，且不能指定 token，因此只有全部候选标签都在前 20 时分布才是精确的（Q8_0：Frozen80 中 64/80 题）；否则请使用所选标签，或改用 llama-server。

Ollama 0.34.3 + Q8_0 实测 on an Apple M5 Mac (24 GB, Metal)：

调用方式	标签与 llama-server 一致	Frozen80	prompt token 与训练一致
`/api/generate` + `raw: true` + 完整 prompt（examples/openjev_local.py）	80/80	66/80	80/80
`/api/chat` 或 `ollama run`，`think: false`	80/80	66/80	80/80
`/api/generate`，未关闭 thinking（错误用法）	49/80	45/80	0/80

直接拉取 hf.co/apus-ailab/APUS-OpenJev-v1-4B-GGUF:Q8_0 并使用 think: false，结果相同：标签一致 80/80，正确 66/80。

llama.cpp（精确分布）

llama-server -m APUS-OpenJev-v1-4B-Q8_0.gguf -c 9216 -ngl 999
python examples/openjev_local.py --backend llama-server --url http://127.0.0.1:8080

examples/openjev_local.py 使用 openjev_contracts.py 渲染 prompt，与训练时的格式一致。

转换说明

llama.cpp b11118（e6ab7c1a4），convert_hf_to_gguf.py --no-mtp（merged 发布版不含 MTP 权重）。
Q4_K_M 的 importance matrix：训练集中 448 条决策，每个来源 64 条，与 Frozen80 无重叠（明细、imatrix.gguf）。
所有 1-D 张量（含 GDN A_log / dt_bias 和各类 norm）在每个文件中都保持 F32（检查结果）。
范围：仅完整深度（不提供 16/20 层 low 出口），仅文本（不含视觉塔），概率未经校准。

许可

Apache-2.0，继承自源模型，见 LICENSE。基座模型：Qwen/Qwen3.5-4B。

作者： gumpcheng（xDAN2099）、zhangxu、APUS AI-LAB。