Instructions to use Dorian2B/Vera-v0.1-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Dorian2B/Vera-v0.1-GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="Dorian2B/Vera-v0.1-GGUF",
	filename="Vera-v0.1.gguf",
)

llm.create_chat_completion(
	messages = [
		{
			"role": "user",
			"content": "What is the capital of France?"
		}
	]
)

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use Dorian2B/Vera-v0.1-GGUF with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Dorian2B/Vera-v0.1-GGUF
# Run inference directly in the terminal:
llama-cli -hf Dorian2B/Vera-v0.1-GGUF

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Dorian2B/Vera-v0.1-GGUF
# Run inference directly in the terminal:
llama-cli -hf Dorian2B/Vera-v0.1-GGUF

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-v0.1-GGUF
# Run inference directly in the terminal:
./llama-cli -hf Dorian2B/Vera-v0.1-GGUF

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-v0.1-GGUF
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Dorian2B/Vera-v0.1-GGUF

Use Docker

docker model run hf.co/Dorian2B/Vera-v0.1-GGUF

LM Studio
Jan

vLLM

How to use Dorian2B/Vera-v0.1-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Dorian2B/Vera-v0.1-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-v0.1-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Dorian2B/Vera-v0.1-GGUF

Ollama
How to use Dorian2B/Vera-v0.1-GGUF with Ollama:
```
ollama run hf.co/Dorian2B/Vera-v0.1-GGUF
```

Unsloth Studio

How to use Dorian2B/Vera-v0.1-GGUF with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for Dorian2B/Vera-v0.1-GGUF to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for Dorian2B/Vera-v0.1-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Dorian2B/Vera-v0.1-GGUF to start chatting

Docker Model Runner
How to use Dorian2B/Vera-v0.1-GGUF with Docker Model Runner:
```
docker model run hf.co/Dorian2B/Vera-v0.1-GGUF
```

Lemonade

How to use Dorian2B/Vera-v0.1-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Dorian2B/Vera-v0.1-GGUF

Run and chat with the model

lemonade run user.Vera-v0.1-GGUF-{{QUANT_TAG}}

List all available models

lemonade list

VERA

v0.1

INTELLIGENCE

Solution d'intelligence artificielle nouvelle génération

Vera v0.1

Créé le : 23 avril 2025
Auteur : Dorian Dominici
Paramètres : 7 milliards
Contexte max. : 32 000 tokens

🌟 Description

Vera est un modèle de langage polyvalent (LLM) bilingue, conçu pour offrir un échange naturel en français et en anglais. Grâce à ses 7 milliards de paramètres et à une fenêtre contextuelle étendue à 32 k tokens, Vera excelle dans :

💬 Conversation fluide
🔄 Traduction précise
📝 Génération et correction de code léger
🤖 Agents IA pour tâches générales

🚀 Points forts

Bilingue FR/EN : compréhensions et réponses optimisées pour ces deux langues.
Large contexte : idéale pour les documents longs et les scénarios complexes d’agent IA.
Polyvalence : adaptée aux cas d’usage variés : chat, traduction, résumé, codage, etc.
Accès open-source : facile à déployer et à intégrer via la plateforme Hugging Face.

🛠️ Cas d’usage

Domaine	Exemples
Chatbot & Assistance	Support client, FAQ interactives
Traduction	Texte technique, emails, documentation
Aide au développement	Snippets, correction de bugs, documentation code
Rédaction & Résumé	Articles, rapports, synthèses
Automatisation IA	Agents conversationnels, workflows automatisés

Téléchargement et utilisation :

Option 1 : Via Ollama

ollama run hf.co/Dorian2B/Vera-v0.1-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-v0.1"
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 : ~7.7GB (Q8_0)

Downloads last month: 2

GGUF

Model size

7B params

Architecture

llama

Hardware compatibility

We're not able to determine the quantization variants.

View all variants