Instructions to use KeremTT/paladin-4b-v2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use KeremTT/paladin-4b-v2 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 KeremTT/paladin-4b-v2:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf KeremTT/paladin-4b-v2:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf KeremTT/paladin-4b-v2:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf KeremTT/paladin-4b-v2:Q4_K_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 KeremTT/paladin-4b-v2:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama cli -hf KeremTT/paladin-4b-v2:Q4_K_M

Use Docker

docker model run hf.co/KeremTT/paladin-4b-v2:Q4_K_M

Llama new
LM Studio
Jan
Ollama
How to use KeremTT/paladin-4b-v2 with Ollama:
```
ollama run hf.co/KeremTT/paladin-4b-v2:Q4_K_M
```
Unsloth Desktop

How to use KeremTT/paladin-4b-v2 with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf KeremTT/paladin-4b-v2:Q4_K_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": "KeremTT/paladin-4b-v2:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use KeremTT/paladin-4b-v2 with Docker Model Runner:
```
docker model run hf.co/KeremTT/paladin-4b-v2:Q4_K_M
```

Lemonade

How to use KeremTT/paladin-4b-v2 with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull KeremTT/paladin-4b-v2:Q4_K_M

Run and chat with the model

lemonade run user.paladin-4b-v2-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use KeremTT/paladin-4b-v2 with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf KeremTT/paladin-4b-v2:Q4_K_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 KeremTT/paladin-4b-v2:Q4_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use KeremTT/paladin-4b-v2 with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf KeremTT/paladin-4b-v2:Q4_K_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 "KeremTT/paladin-4b-v2:Q4_K_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"

Paladin 4B v2 (gizli)

Türkçe öğrenme asistanı Paladin'in ikinci sürümü. Qwen3-4B-Instruct-2507 üzerine LoRA ile ince ayar; v1 LoRA'sından devam edildi.

Dosya	Ne
`paladin-4b-v2.Q4_K_M.gguf`	Ollama / llama.cpp için 4-bit model (≈2,5 GB)
`Modelfile.v2`	`ollama create paladin -f Modelfile.v2` (GGUF ile aynı klasörde)
`lora/`	LoRA ağırlıkları (v3 eğitimi buradan devam eder)
`trainer_state.json`	eğitim kayıtları (loss, eval_loss)

Eğitim

Veri: 37.968 örnek (elle düzeltme seti, temizlenmiş sohbet ve ders verisi, v1 tekrarı, kod/ders notu örnekleri) + 298 doğrulama.
Kaggle T4, QLoRA r=16, bağlam 3072, öğrenme oranı 8e-5, ≈0,98 dönem, ≈9,8 saat.
Doğrulama kaybı 1,159 → 1,068 (düzenli düştü, aşırı öğrenme görülmedi). Eğitim kaybı ortalaması 1,086.

Kullanım notu

Sohbet şablonu her asistan turunda boş <think>\n\n</think>\n\n bloğuyla eğitildi. Paladin sunucusu istemi kendisi kurar (paladin/uretim.py, Ollama /api/generate + raw). Sistem talimatı paladin/sunucu.py → SISTEM ile birebir aynı olmalı.

Bilinen sınırlar

Kimlik, sohbet, biçim talimatları, kod ve Excel cevapları v1'e göre belirgin iyileşti. Ezberden verilen bazı tarih ve coğrafya bilgileri hâlâ yanlış olabiliyor (eğitim içi kısa testte ör. Kızılırmak, Malazgirt). Bu yüzden Paladin kaynaklı (kütüphaneli) kullanılmak üzere tasarlandı; v3 kütüphane ile eğitilecek.

Downloads last month: 24

GGUF

Model size

4B params

Architecture

qwen3

Hardware compatibility

4-bit

Inference Providers NEW

This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for KeremTT/paladin-4b-v2

Base model

Qwen/Qwen3-4B-Instruct-2507

Quantized

(376)

this model