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

---
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

1. **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).
2. **Assistant-only Loss:**
   - Функция потерь вычислялась строго по токенам ответа `assistant` (`labels = -100` на `system` и `user`), финальный loss = `0.0676`.
3. **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
```bash
ollama run hf.co/GermannM/Kenga-Coder-14B-Z:Q4_K_M
```

### llama.cpp
```bash
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
- [kenga-lang](https://github.com/GermannM3/kenga-lang)
- [z-system](https://github.com/GermannM3/z-system)
- [kenga-grammar](https://github.com/GermannM3/kenga-grammar)

	---
	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

	1. 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).
	2. Assistant-only Loss:
	- Функция потерь вычислялась строго по токенам ответа `assistant` (`labels = -100` на `system` и `user`), финальный loss = `0.0676`.
	3. 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
	```bash
	ollama run hf.co/GermannM/Kenga-Coder-14B-Z:Q4_K_M
	```

	### llama.cpp
	```bash
	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
	- [kenga-lang](https://github.com/GermannM3/kenga-lang)
	- [z-system](https://github.com/GermannM3/z-system)
	- [kenga-grammar](https://github.com/GermannM3/kenga-grammar)