Text Generation
GGUF
Russian
English
mellstudio
argon
r1.5
deepseek-r1
reasoning
imatrix
conversational
Instructions to use Moggstroy/MellStudio-R1.5-Argon-70B-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use Moggstroy/MellStudio-R1.5-Argon-70B-GGUF 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 Moggstroy/MellStudio-R1.5-Argon-70B-GGUF # Run inference directly in the terminal: llama cli -hf Moggstroy/MellStudio-R1.5-Argon-70B-GGUF
Install from WinGet (Windows)
winget install llama.cpp # Start a local OpenAI-compatible server with a web UI: llama serve -hf Moggstroy/MellStudio-R1.5-Argon-70B-GGUF # Run inference directly in the terminal: llama cli -hf Moggstroy/MellStudio-R1.5-Argon-70B-GGUF
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 Moggstroy/MellStudio-R1.5-Argon-70B-GGUF # Run inference directly in the terminal: ./build/bin/llama cli -hf Moggstroy/MellStudio-R1.5-Argon-70B-GGUF
Use Docker
docker model run hf.co/Moggstroy/MellStudio-R1.5-Argon-70B-GGUF
- Llama new
- LM Studio
- Jan
- vLLM
How to use Moggstroy/MellStudio-R1.5-Argon-70B-GGUF with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "Moggstroy/MellStudio-R1.5-Argon-70B-GGUF" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "Moggstroy/MellStudio-R1.5-Argon-70B-GGUF", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'Use Docker
docker model run hf.co/Moggstroy/MellStudio-R1.5-Argon-70B-GGUF
- Ollama
How to use Moggstroy/MellStudio-R1.5-Argon-70B-GGUF with Ollama:
ollama run hf.co/Moggstroy/MellStudio-R1.5-Argon-70B-GGUF
- Unsloth Desktop
- Docker Model Runner
How to use Moggstroy/MellStudio-R1.5-Argon-70B-GGUF with Docker Model Runner:
docker model run hf.co/Moggstroy/MellStudio-R1.5-Argon-70B-GGUF
- Lemonade
How to use Moggstroy/MellStudio-R1.5-Argon-70B-GGUF with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull Moggstroy/MellStudio-R1.5-Argon-70B-GGUF
Run and chat with the model
lemonade run user.MellStudio-R1.5-Argon-70B-GGUF-{{QUANT_TAG}}List all available models
lemonade list
- Atomic Chat
⚡ MellStudio R1.5 Argon (70B)
MellStudio R1.5 Argon — флагманская языковая модель глубокого рассуждения от команды MellStudio, построенная на базе архитектуры DeepSeek-R1 (70B).
🧠 Особенности ядра Argon
- Нативный Chain-of-Thought (CoT): перед выдачей ответа модель проводит детальную проверку гипотез в блоке рассуждений.
- Оптимизация под облачные кластеры: квантование адаптировано для запуска на сдвоенных ускорителях (Kaggle 2x Tesla T4 32 GB VRAM) и локальных ПК.
- Фокус на коде и архитектуре: высокая точность в генерации Python, JS/HTML и проектировании сложных систем.
🚀 Быстрый запуск (Python / llama-cpp-python)
from llama_cpp import Llama
llm = Llama(
model_path="MellStudio-R1.5-Argon-70B.gguf",
n_gpu_layers=-1,
tensor_split=[0.5, 0.5],
n_ctx=8192
)
messages = [
{"role": "system", "content": "Ты — нейросеть MellStudio R1.5 Argon, созданная и обученная командой MellStudio на базе архитектуры глубокого рассуждения R1.5. Если спрашивают, кто ты или кто тебя создал, всегда отвечай, что ты — модель MellStudio R1.5 Argon от проекта MellStudio. Перед каждым ответом проводи детальное пошаговое рассуждение внутри тегов <think> и </think>, а затем выдавай чистый, точный и полный финальный ответ на языке пользователя."},
{"role": "user", "content": "Привет! Кто ты и на что способен?"}
]
response = llm.create_chat_completion(messages=messages, temperature=0.6)
print(response["choices"][0]["message"]["content"])
- Downloads last month
- 248
Hardware compatibility
Log In to add your hardware
We're not able to determine the quantization variants.