Instructions to use DaniRey/saikei with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use DaniRey/saikei 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 DaniRey/saikei:F16
# Run inference directly in the terminal:
llama cli -hf DaniRey/saikei:F16

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf DaniRey/saikei:F16
# Run inference directly in the terminal:
llama cli -hf DaniRey/saikei:F16

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 DaniRey/saikei:F16
# Run inference directly in the terminal:
./build/bin/llama cli -hf DaniRey/saikei:F16

Use Docker

docker model run hf.co/DaniRey/saikei:F16

Llama new
LM Studio
Jan

vLLM

How to use DaniRey/saikei with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "DaniRey/saikei"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "DaniRey/saikei",
		"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/DaniRey/saikei:F16

Ollama
How to use DaniRey/saikei with Ollama:
```
ollama run hf.co/DaniRey/saikei:F16
```
Unsloth Desktop

How to use DaniRey/saikei with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf DaniRey/saikei:F16

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": "DaniRey/saikei:F16"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use DaniRey/saikei with Docker Model Runner:
```
docker model run hf.co/DaniRey/saikei:F16
```

Lemonade

How to use DaniRey/saikei with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull DaniRey/saikei:F16

Run and chat with the model

lemonade run user.saikei-F16

List all available models

lemonade list

Hermes Agent

How to use DaniRey/saikei with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf DaniRey/saikei:F16

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 DaniRey/saikei:F16

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use DaniRey/saikei with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf DaniRey/saikei:F16

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 "DaniRey/saikei:F16" \
  --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"

Saikei: el asistente que lee y cuadra tus documentos, en tu Mac o tu PC

Saikei es un asistente que funciona entero en tu ordenador:

Lee y resume tus documentos: busca en ellos y saca datos de PDF (también escaneados), Word, Excel, PowerPoint, correos y fotos de papeles.
Trabaja con tus facturas: las suma y cuadra el IVA del trimestre (modelos 303 y 130) contra ellas.
Prepara el borrador del trimestre antes de presentarlo.
Nada sale del equipo: ni los documentos, ni el índice, ni las preguntas.

Este repositorio tiene lo que baja su instalador: el programa y los modelos.

Instálalo con su instalador (abajo). Los botones «Use this model» de Hugging Face (llama.cpp, Ollama, LM Studio, vLLM…) no sirven con estos modelos: van en los formatos de Saikei (ZT2, ZT3), que solo lee el llama-server de Saikei.

Instalar en un Mac (Apple Silicon, macOS 14 o posterior)

curl -fsSL https://huggingface.co/DaniRey/saikei/resolve/main/install.sh -o /tmp/install-saikei.sh && zsh /tmp/install-saikei.sh

Qué hace:
- mira la memoria del equipo y elige cuánto del modelo dejar en ella (funciona desde 8 GB; mejor con 16 o más);
- te pregunta la carpeta de documentos;
- baja cada archivo comprobando su SHA-256, retomando lo que quede a medias si se corta;
- deja Saikei en tu carpeta de Aplicaciones.
Espacio: hacen falta unos 15 GB de disco (13 GB sin visión ni OCR: --no-vision --no-ocr) y 10 GB más con Saikei Listo.
Sin internet: se instala sin búsqueda en internet; tus documentos no salen del equipo.
Saikei Listo (--smart, o responde «s» cuando lo pregunte): también el Qwen3.8-27B, que razona mejor y va a la mitad de velocidad. Queda como una segunda app; necesita 16 GB de memoria.
Opciones: --docs CARPETA, --smart, --no-vision, --no-ocr, --yes (sin preguntar) y las demás con --help.

Instalar en Windows (10 u 11 de 64 bits, 16 GB de memoria o más)

En PowerShell:

irm https://huggingface.co/DaniRey/saikei/resolve/main/install.ps1 -OutFile $env:TEMP\install-saikei.ps1; powershell -ExecutionPolicy Bypass -File $env:TEMP\install-saikei.ps1

Qué hace: lo mismo que en el Mac, y deja Saikei en el menú Inicio, en el escritorio y en Configuración > Aplicaciones, desde donde se desinstala.
Sin tarjeta gráfica: va en la CPU (con AVX2), así que el modelo va entero en la memoria: con 16 GB va justo (sin visión) y con 32 GB, holgado, con la cabeza MTP de los borradores (unos 16 tok/s en un PC de sobremesa).
Espacio: unos 17 GB.
Opciones: -Docs CARPETA, -NoVision, -NoOcr, -Yes (sin preguntar) y las demás con -Help: añádelas al final del comando.

Archivos

Archivo	Qué es	Tamaño
`install.sh`	el instalador para Mac	10 KB
`install.ps1`	el instalador para Windows	18 KB
`manifest.txt`, `manifest-win.txt`	cada archivo con su tamaño y su SHA-256 (Mac y Windows)	1 KB
`saikei-mac-arm64.tar.gz`	el programa para Mac: llama-server de Saikei con sus kernels de Metal compilados, el lector de PDF de macOS y los servidores del asistente	19 MB
`saikei-win-x64.zip`	el programa para Windows: llama-server de Saikei (CPU con AVX2) y los servidores del asistente	9 MB
`models/Qwen3.6-35B-A3B-Saikei-ZT2M.gguf`	el modelo del asistente	12,1 GB
`models/Qwen3.6-35B-A3B-mmproj-F16.gguf`	su proyector de visión (ver imágenes y páginas)	0,9 GB
`models/qwen3-embedding-0.6b/…Q8_0.gguf`	vectores para buscar por el sentido	0,6 GB
`models/paddleocr-vl-1.6/…`	OCR de escaneados y fotos (dos archivos)	1,8 GB
`models/Qwen3.8-27B-Saikei-ZT3Vh16.gguf`	el modelo de Saikei Listo (opcional, Mac)	10,1 GB
`models/Qwen3.6-35B-A3B-Saikei-MTP.gguf`	la cabeza MTP del Qwen3.6, para los borradores (Windows)	1,3 GB

El modelo: Qwen3.6-35B-A3B en ZT2M

ZT2M es una recuantización de Saikei con sus formatos por trellis: los expertos (gate/up) en ZT2, de 2 bits, en las capas 0 a 34, y en ZT3, de 3 bits, en las 35 a 39. Ocupa 12,07 GB, con una perplejidad un 0,9 % peor que la de ZT3.
Funciona con poca memoria: el llama-server de Saikei lee del disco los expertos que no caben y deja en memoria los que más se usan, así que funciona en un Mac de 16 GB.
En Windows, con su cabeza MTP: la capa MTP del propio Qwen3.6-35B-A3B, en un archivo aparte, propone borradores que el modelo comprueba; en la CPU genera así un 25 % más rápido, con la misma respuesta.
Necesita el llama-server de Saikei: los tipos ZT2 y ZT3 no están en llama.cpp oficial, y por eso va en el paquete de cada sistema.

El modelo de Saikei Listo: Qwen3.8-27B en ZT3Vh16

Es denso: todo el modelo va en la memoria (unos 10 GB), así que necesita un Mac de 16 GB o más y mejor con pocas apps abiertas.
ZT3Vh16 es el trellis de 3 bits de Saikei por pares, con 2 bits en las FFN de las capas 0 a 19. Su KLD frente al Q8_0 es de 0,070.
Lleva su capa MTP (en el mismo archivo) para decodificar con borradores: en un M1 Pro, unos 16 tok/s razonando sobre un documento de 3.000 a 10.000 tokens, frente a los ~31 del Qwen3.6.

Licencias y atribución

El programa de Saikei (los paquetes saikei-mac-arm64.tar.gz y saikei-win-x64.zip: su llama-server, el lector saikei-text y los scripts de app/) © 2026 DaniRey, todos los derechos reservados.

Se puede instalar y usar gratis.
No está permitido redistribuirlo, venderlo, modificarlo ni descompilarlo, salvo en lo que lo permita la ley.
Se ofrece tal cual, sin garantías. Los cuadres y los borradores de impuestos son una ayuda: revísalos antes de presentar nada.
El texto completo, con los avisos de llama.cpp, cpp-httplib y nlohmann/json (MIT), va en app/licenses de cada paquete.

Los modelos son Apache-2.0, como sus originales:

Qwen3.6-35B-A3B (equipo Qwen, Alibaba Cloud), Apache-2.0. Modificado: recuantizado a ZT2M a partir del GGUF de unsloth.
Qwen3.8-27B (equipo Qwen, Alibaba Cloud), Apache-2.0. Modificado: recuantizado a ZT3Vh16 a partir del BF16 de unsloth, con su imatriz.
El proyector de visión (mmproj-F16) de Qwen3.6-35B-A3B, de unsloth, sin cambios. Apache-2.0.
Qwen3-Embedding-0.6B (equipo Qwen), en Q8_0. Apache-2.0.
PaddleOCR-VL 1.6 (PaddlePaddle), Apache-2.0.
La cabeza MTP es la capa MTP del propio Qwen3.6-35B-A3B, en un archivo aparte. Apache-2.0.

Saikei is a local document assistant (Spanish first). Install it with install.sh (Mac) or install.ps1 (Windows): the "Use this model" snippets (llama.cpp, Ollama, LM Studio, vLLM) will not work, because the models use Saikei's ZT formats. This repo holds the files its installers download: the Saikei runtime for Apple Silicon Macs and Windows (free to use, all rights reserved; see app/licenses in each package) and the models (Apache-2.0, like the originals). The main model is Qwen3.6-35B-A3B requantized to ZT2M, Saikei's trellis format; the optional Saikei Listo model (Mac) is Qwen3.8-27B in ZT3Vh16. Both need Saikei's llama-server, included in saikei-mac-arm64.tar.gz (Mac) and saikei-win-x64.zip (Windows, CPU with AVX2).

Downloads last month: 1,120

GGUF

Model size

35B params

Architecture

qwen35moe

Hardware compatibility

8-bit

View +4 variants

Model tree for DaniRey/saikei

Base model

PaddlePaddle/PaddleOCR-VL-1.5

Quantized

(15)

this model