arisylafeta/gte-Qwen2-1.5B-instruct-Q4_0-GGUF

Utiliza llama.cpp

Instalar llama.cpp a través de brew (funciona en Mac y Linux) 
brew install llama.cpp

Invocar el servidor llama.cpp o la CLI. 

CLI:

llama-cli --hf-repo arisylafeta/gte-Qwen2-1.5B-instruct-Q4_0-GGUF --hf-file gte-qwen2-1.5b-instruct-q4_0.gguf -p "The meaning to life and the universe is"

Server:

llama-server --hf-repo arisylafeta/gte-Qwen2-1.5B-instruct-Q4_0-GGUF --hf-file gte-qwen2-1.5b-instruct-q4_0.gguf -c 2048

Nota: También puedes usar este punto de control directamente a través de los pasos de uso listados en el repositorio Llama.cpp.
Paso 1: Clonar llama.cpp desde GitHub.

git clone https://github.com/ggerganov/llama.cpp

Paso 2: Moverse a la carpeta llama.cpp y compilarla con la bandera LLAMA_CURL=1 junto con otras banderas específicas de hardware (por ej: LLAMA_CUDA=1 para GPUs Nvidia en Linux).

cd llama.cpp && LLAMA_CURL=1 make

Paso 3: Ejecutar la inferencia a través del binario principal.

./llama-cli --hf-repo arisylafeta/gte-Qwen2-1.5B-instruct-Q4_0-GGUF --hf-file gte-qwen2-1.5b-instruct-q4_0.gguf -p "The meaning to life and the universe is"

o

./llama-server --hf-repo arisylafeta/gte-Qwen2-1.5B-instruct-Q4_0-GGUF --hf-file gte-qwen2-1.5b-instruct-q4_0.gguf -c 2048