Instructions to use GermannM/Kenga-Coder-14B-Z with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries
PEFT
How to use GermannM/Kenga-Coder-14B-Z with PEFT:
```
Task type is invalid.
```
Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use GermannM/Kenga-Coder-14B-Z 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 GermannM/Kenga-Coder-14B-Z:IQ3_M
# Run inference directly in the terminal:
llama cli -hf GermannM/Kenga-Coder-14B-Z:IQ3_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf GermannM/Kenga-Coder-14B-Z:IQ3_M
# Run inference directly in the terminal:
llama cli -hf GermannM/Kenga-Coder-14B-Z:IQ3_M

Build from source code

git clone https://github.com/ggml-org/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-app
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama serve -hf GermannM/Kenga-Coder-14B-Z:IQ3_M
# Run inference directly in the terminal:
./build/bin/llama cli -hf GermannM/Kenga-Coder-14B-Z:IQ3_M

Use Docker

docker model run hf.co/GermannM/Kenga-Coder-14B-Z:IQ3_M

Llama new
LM Studio
Jan

vLLM

How to use GermannM/Kenga-Coder-14B-Z with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "GermannM/Kenga-Coder-14B-Z"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "GermannM/Kenga-Coder-14B-Z",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/GermannM/Kenga-Coder-14B-Z:IQ3_M

Ollama
How to use GermannM/Kenga-Coder-14B-Z with Ollama:
```
ollama run hf.co/GermannM/Kenga-Coder-14B-Z:IQ3_M
```
Unsloth Desktop

How to use GermannM/Kenga-Coder-14B-Z with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf GermannM/Kenga-Coder-14B-Z:IQ3_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": "GermannM/Kenga-Coder-14B-Z:IQ3_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use GermannM/Kenga-Coder-14B-Z with Docker Model Runner:
```
docker model run hf.co/GermannM/Kenga-Coder-14B-Z:IQ3_M
```

Lemonade

How to use GermannM/Kenga-Coder-14B-Z with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull GermannM/Kenga-Coder-14B-Z:IQ3_M

Run and chat with the model

lemonade run user.Kenga-Coder-14B-Z-IQ3_M

List all available models

lemonade list

Hermes Agent

How to use GermannM/Kenga-Coder-14B-Z with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf GermannM/Kenga-Coder-14B-Z:IQ3_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 GermannM/Kenga-Coder-14B-Z:IQ3_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use GermannM/Kenga-Coder-14B-Z with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf GermannM/Kenga-Coder-14B-Z:IQ3_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 "GermannM/Kenga-Coder-14B-Z:IQ3_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"

Kenga-Coder-14B-Z / README.md

GermannM

Upload README.md with huggingface_hub

9a28c8f verified 4 days ago

preview code

Raw History Blame Contribute Delete

4.66 kB

metadata

license: apache-2.0
base_model: Qwen/Qwen2.5-Coder-14B-Instruct
library_name: peft
language:
  - ru
  - en
  - multilingual
tags:
  - kenga
  - kenga-lang
  - z-system
  - z-bl
  - prophet
  - semantic-binding
  - russian
  - code
  - gguf
  - ollama
pipeline_tag: text-generation

Kenga-Coder-14B-Z — флагманский кодер Кенги (Z-BL + Prophet M5.3/rp1)

Kenga-Coder-14B-Z — 14.8-миллиардная языковая модель и полиглот-программист с вписанной идентичностью Кенги, обученная по объединённому протоколу Z-системы и Prophet (M5.3 + rp1).

Самоидентификация

Модель знает, кто она, даже при запуске без системного промпта (идентичность вшита как в веса через NO_SYS_P = 0.30, так и в chat_template GGUF):

Имя: Кенга (Кенга-Кодер)
Создатель: Герман Янтарас (GermannM), Москва, Россия
Ценности: любовь к России, традиционные семейные ценности, уважение к истории и культуре, прямой и короткий ответ по делу без лишней «воды».

Технологии Z × Prophet внутри

Z-BL факторизованное обучение (ΔW = U · diag(S · mask) · Vᵀ):
- QR-ортогональная инициализация сингулярных направлений Vᵀ и явный обучаемый вектор сингулярных чисел S.
- Z Rank Curriculum (F209): раскрытие активного ранга по ходу обучения 8 → 16 → 32 (на 25% и 50% шагов).
- Итоговая спектральная энтропия адаптера: H = 2.8694 из теоретического максимума ln(32) = 3.4657 (~83% равномерной загрузки спектра без вырождения хвоста).
Assistant-only Loss:
- Функция потерь вычислялась строго по токенам ответа assistant (labels = -100 на system и user), финальный loss = 0.0676.
Верифицированный корпус v4 (8917 диалогов):
- M5.3 Semantic Binding (460 задач): вызов целевой функции среди функций-дистракторов с одинаковой сигнатурой и рандомизированными именами (Kenga + Python, проверено исполнением).
- rp1 Repair <FIX> (299 задач): ремонт сломанного кода с явным граничным токеном <FIX>.
- Kenga-lang + kenga-grammar: полное покрытие языка Kenga (fn, let, struct, Tensor t_*, Tape autograd ag_*, живая память Prophet Memory .km, события on/emit/pump, спецификация Z-операций z_encode/z_decode/z_marker/z_verify).
- 25 языков программирования: Python, JS, TS, Java, C, C++, C#, Go, Rust, PHP, Ruby, Kotlin, Swift, Bash, SQL, Lua, R, Scala, Dart, Julia, Haskell, PowerShell, Perl, HTML, CSS + Kenga.

Спектральный паспорт (Z-System)

Спектральный маркер (z_marker): d6228fde55b53176
Полный паспорт слоёв (H, кривые хвостовой энергии E(k) при k = 8..256) находится в файле kenga_passport.json.

Файлы

kenga-coder-14b-z-q4_k_m.gguf (8.36 ГБ) — квантован с imatrix на калибровочном корпусе calib4.txt. Помещается целиком в 12 ГБ VRAM (-ngl 99).
kenga_passport.json — спектральный паспорт модели.
adapter/ — Z-BL адаптер, свёрнутый в стандартный формат PEFT (safetensors).

Запуск

Ollama

ollama run hf.co/GermannM/Kenga-Coder-14B-Z:Q4_K_M

llama.cpp

llama-cli -m kenga-coder-14b-z-q4_k_m.gguf -ngl 99 -p "Кто ты и где тебя создали?"

Создатель: Герман Янтарас (GermannM) · Москва, Россия