Instructions to use void0x14/echo with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use void0x14/echo 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 void0x14/echo:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf void0x14/echo:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf void0x14/echo:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf void0x14/echo: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 void0x14/echo:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf void0x14/echo: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 void0x14/echo:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf void0x14/echo:Q4_K_M

Use Docker

docker model run hf.co/void0x14/echo:Q4_K_M

LM Studio
Jan
Ollama
How to use void0x14/echo with Ollama:
```
ollama run hf.co/void0x14/echo:Q4_K_M
```
Unsloth Desktop

How to use void0x14/echo with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf void0x14/echo: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": "void0x14/echo:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use void0x14/echo with Docker Model Runner:
```
docker model run hf.co/void0x14/echo:Q4_K_M
```

Lemonade

How to use void0x14/echo with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull void0x14/echo:Q4_K_M

Run and chat with the model

lemonade run user.echo-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use void0x14/echo with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf void0x14/echo: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 void0x14/echo:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use void0x14/echo with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf void0x14/echo: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 "void0x14/echo: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"

echo / MVP /PROGRESS.md

void0x14

docs: PIVOT — budama terk edildi, Q4_K_M quantize onaylandi (kayipsiz) + ROADMAP gelecek opsiyonlari

eae60b4 unverified 24 days ago

preview code

Raw

History Blame Contribute Delete

4.31 kB

PROGRESS — Qwen3.5 Multimodal Prune + KD + RX460 Teslim

Güncelleme: her adımda, ölçülen değerle. Tahmin yok, kaynak hep var.

⚠️ PIVOT (19 Ağu) — Budama TERK EDİLDİ, Quantize yaklaşımı ONAYLANDI

Neden (derin literatür + kullanıcının RX460 benchmark'ları): -- 24→4 katman budama (%83 derinlik kaybı) kod/reasoning yeteneğini ÖLDÜRÜYOR (güvenli bölge %15-25). -- F2LLM-v2 'ilk N blok' tarifi EMBEDDING modellerine özgü; generative/kod modeline taşınmaz. -- %0 kod verisiyle distill → catastrophic forgetting; kod yeteneği silindi (ölçüldü: ORIG kod yazıyor, pruned yazamıyor). -- Qwen3.5-0.8B Q4_K_M (497 MiB) zaten RX460 2GB'a SIĞIYOR ve hızlı (GPU 85 t/s).

Yeni doğru yol: Orijinal Qwen3.5-0.8B'yi OLDUĞU GİBİ Q4_K_M'e quantize et. Budama YOK, eğitim YOK. -- Yetenek KAYIPSIZ korunur (kod + vision + reasoning).

DOĞRULANDI (ölçüldü): -- GGUF çifti: MVP/artifacts/gguf-vision/qwen35-text-Q4_K_M.gguf (block_count=24, orijinal) + mmproj-F32.gguf -- CPU (ngl=0) VE GPU Vulkan (ngl=99) multimodal test: çizilen test sahnesini kusursuz tanımladı (kahverengi ev + kırmızı çatı + yeşil alan + sarı güneş + mavi gökyüzü); chain-of-thought reasoning çalışıyor. -- Benchmark: Q4_K_M GPU ngl=99 tg128 = 85 t/s (Q8_0'ın 78 t/s'inden HIZLI), boyut 497 MiB. -- Default context 4k (hız/gecikme tatlı noktası), gerekirse max 16k'ya genişletilebilir. Model+KVcache GPU'da.

⚠️⚠️ ROADMAP — GELECEK OPSİYONLARI (UNUTMA!) ⚠️⚠️

İLERİDE HIZLAR YETMEZSE GEREKEBİLİR — ŞU ÜÇ YÖNDEN BİRİNE GİDİLEBİLİR: 1) BİTİ DÜŞÜRMEK (Q4_K_M → Q3/IQ3 — DİKKAT: kodlama quant'a en hassas görev, 3-bit uçurum kenarı, 2-bit çöküş), VEYA 2) MODEL PARAMETRESİNİ DÜŞÜRMEK (dikkatli/az budama + MUTLAKA kod verili distill), VEYA 3) MODEL PARAMETRESİ + BİTİ BİRLİKTE DÜŞÜRMEK. GEREKİRSE BU YOLLARA BAŞVURULACAK. ŞU AN Q4_K_M + ORİJİNAL 0.8B YETERLİ VE KAYIPSIZ.

[x] 1. Base modeli indir ve doğrula (Qwen/Qwen3.5-0.8B-Base)

Multimodal: Qwen3_5ForConditionalGeneration, ~873M (text ~773M + vision ~100.6M)
text_config: hidden 1024, inter 3584, 24 blok hybrid [linear×3+full]×6, head_dim 256, vocab 248,320 TIED; vision_config: 12 blok, hidden 768, inter 3072, patch 16, pos_embed 2304, merger fc1 3072→3072 + fc2 3072→1024 + norm
Kaynak: /tmp/opencode/qwen35-base-src/ (12 dosya indirildi)

[x] 2. F2LLM-v2 kuralı: ilk N blok (activation-norm seçimi YOK)

text bloklar [0..3], vision bloklar [0..5], mtp atıldı → TEK model
395,365,088 param = text 337,299,424 + vision 58,065,664 (330–450M aralığı ✓)
Çıktı: MVP/artifacts/qwen35-multimodal-n4v6/ (model.safetensors TEK dosya, 55+81 tensor)
Doğrulama: MVP/test_multimodal_forward.py — forward OK, MISSING 0

[ ] 3. Multimodal KD (FP32, CPU — RX460 FP16/BF16 desteklemiyor)

teacher = base (tam, text+vision BİRLİKTE, frozen, eval)
student = qwen35-multimodal-n4v6 (tüm parametreler trainable)
loss = CE (teacher probs) + MSE (son hidden state); AdamW cosine+warmup
çıktı: MVP/artifacts/qwen35-multimodal-n4v6/distilled/ (model.safetensors)

[ ] 4. KD sonrası doğrulama

Parametre: 395,365,088 sabit mi (değişmemeli — sadece ağırlık güncellendi)
forward OK, MISSING 0

[ ] 5. GGUF üretimi — FP32 zorunlu (BF16/FP16 YASAK, kart desteklemiyor)

text: --outfile qwen35-multimodal-n4v6-f32.gguf --outtype f32 --no-mtp
mmproj: --mmproj --outtype f32 (82 tensor, v.*)
quantize: llama-quantize her ikisini Q8_0 → teslim GGUF'lar
Dosyalar: MVP/artifacts/gguf-multimodal-fp32-or-q8/

[ ] 6. RX460 + Vulkan çalıştırma kanıtı

GPU: AMD Radeon RX 460 (Polaris — FP16 yok)
llama-cli --device Vulkan0 --image red.png → anlamlı cevap (KD sonrası)
kanıt logları: MVP/evidence/

[ ] 7. Teslim belgeleri + commit

ANLASILAN.md güncelle, PROGRESS.md güncel, atomic commit

Kimler geçersiz (kullanma)

MVP/artifacts/gguf-multimodal/qwen35-n4v6.gguf → BF16 üretildi, RX460'ta ÇALIŞMAZ — FP32'den yeni üretilecek
MVP/artifacts/qwen35-distilled-n4/ (text-only ürün — ayrı, iptal)
MVP/qwen35_prune.py + validate_checkpoint.py (text-only hattı — multimodal hat kullanılır)