Instructions to use Dorian2B/Vera-v0.2-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 Dorian2B/Vera-v0.2-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 Dorian2B/Vera-v0.2-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf Dorian2B/Vera-v0.2-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 Dorian2B/Vera-v0.2-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf Dorian2B/Vera-v0.2-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 Dorian2B/Vera-v0.2-GGUF:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf Dorian2B/Vera-v0.2-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 Dorian2B/Vera-v0.2-GGUF:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Dorian2B/Vera-v0.2-GGUF:Q4_K_M

Use Docker

docker model run hf.co/Dorian2B/Vera-v0.2-GGUF:Q4_K_M

LM Studio
Jan

vLLM

How to use Dorian2B/Vera-v0.2-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Dorian2B/Vera-v0.2-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": "Dorian2B/Vera-v0.2-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Dorian2B/Vera-v0.2-GGUF:Q4_K_M

Ollama
How to use Dorian2B/Vera-v0.2-GGUF with Ollama:
```
ollama run hf.co/Dorian2B/Vera-v0.2-GGUF:Q4_K_M
```
Unsloth Desktop

How to use Dorian2B/Vera-v0.2-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Dorian2B/Vera-v0.2-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": "Dorian2B/Vera-v0.2-GGUF:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use Dorian2B/Vera-v0.2-GGUF with Docker Model Runner:
```
docker model run hf.co/Dorian2B/Vera-v0.2-GGUF:Q4_K_M
```

Lemonade

How to use Dorian2B/Vera-v0.2-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Dorian2B/Vera-v0.2-GGUF:Q4_K_M

Run and chat with the model

lemonade run user.Vera-v0.2-GGUF-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use Dorian2B/Vera-v0.2-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 Dorian2B/Vera-v0.2-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 Dorian2B/Vera-v0.2-GGUF:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use Dorian2B/Vera-v0.2-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Dorian2B/Vera-v0.2-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 "Dorian2B/Vera-v0.2-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"

VERA

v0.2

INTELLIGENCE

Solution d'intelligence artificielle nouvelle génération

Vera v0.2

Créé le : 7 mai 2025
Auteur : Dorian Dominici
Paramètres : 8 milliards
Contexte max. : 128 000 tokens

🌟 Description

Vera est un modèle de langage polyvalent (LLM) multilingue, conçu pour offrir un échange naturel principalement en français et en anglais, avec un support secondaire pour l'espagnol, l'italien, l'allemand et le polonais. Grâce à ses 8 milliards de paramètres et à une fenêtre contextuelle considérablement étendue à 128 k tokens, Vera excelle dans :

💬 Conversation fluide et naturelle
🔄 Traduction précise et contextuelle
📝 Génération et correction de code avancées
🤖 Agents IA pour tâches complexes
📊 Analyse de documents volumineux

🚀 Points forts

Multilingue : Excellence en français et anglais, avec support solide pour l'espagnol, l'italien, l'allemand et le polonais.
Contexte étendu : Fenêtre de 128k tokens idéale pour l'analyse de longs documents et scénarios d'agents IA complexes.
Connaissance générale élevée : Base de connaissances étendue couvrant un large éventail de domaines académiques, culturels et pratiques.
Polyvalence améliorée : Performances supérieures en chat, traduction, résumé, codage et raisonnement.
Compétences techniques : Très bonnes aptitudes en programmation, analyse de données et rédaction technique.
Accès open-source : Facilement déployable et intégrable via la plateforme Hugging Face.

🛠️ Cas d'usage

Domaine	Exemples
Chatbot & Assistance	Support client multilingue, systèmes conversationnels avancés
Traduction	Textes techniques, documentation spécialisée, littérature
Développement logiciel	Génération de code, débogage, documentation automatisée
Rédaction & Analyse	Articles, rapports, synthèses de documents volumineux
Automatisation IA	Agents conversationnels complexes, systèmes de RAG
Éducation	Tutoriels personnalisés, assistance à l'apprentissage

Téléchargement et utilisation :

Option 1 : Via Ollama

ollama run hf.co/Dorian2B/Vera-v0.2-GGUF

Option 2 : Téléchargement direct (GGUF)

Modèle GGUF Quantifié (Q8_0)

Option 3 : Utilisation avec Python (PyTorch)

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Dorian2B/Vera-v0.2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

input_text = "Bonjour Vera, comment ça va ?"
inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(**inputs, max_length=100)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Cas d'usage :

Assistance personnelle hors ligne
Réponses rapides en français
Solutions pour appareils à ressources limitées

Notes :

Fonctionnement 100% local respectant la vie privée
Performances optimales sur CPU/GPU (format GGUF)
Poids du modèle : ~8.5GB (Q8_0)

Downloads last month: 78

GGUF

Model size

8B params

Architecture

llama

Hardware compatibility

4-bit

5-bit

6-bit

8-bit