Instructions to use OL-Neuland/Ministral-8B-InvoiceXpert-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use OL-Neuland/Ministral-8B-InvoiceXpert-GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="OL-Neuland/Ministral-8B-InvoiceXpert-GGUF",
	filename="ministral-3-8b-instruct-2512.BF16-mmproj.gguf",
)

llm.create_chat_completion(
	messages = "No input example has been defined for this model task."
)

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use OL-Neuland/Ministral-8B-InvoiceXpert-GGUF with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16
# Run inference directly in the terminal:
llama-cli -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16
# Run inference directly in the terminal:
llama-cli -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16
# Run inference directly in the terminal:
./llama-cli -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16
# Run inference directly in the terminal:
./build/bin/llama-cli -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16

Use Docker

docker model run hf.co/OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16

LM Studio
Jan
Ollama
How to use OL-Neuland/Ministral-8B-InvoiceXpert-GGUF with Ollama:
```
ollama run hf.co/OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16
```

Unsloth Studio

How to use OL-Neuland/Ministral-8B-InvoiceXpert-GGUF with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for OL-Neuland/Ministral-8B-InvoiceXpert-GGUF to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for OL-Neuland/Ministral-8B-InvoiceXpert-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for OL-Neuland/Ministral-8B-InvoiceXpert-GGUF to start chatting

How to use OL-Neuland/Ministral-8B-InvoiceXpert-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16

Configure the model in Pi

# Install Pi:
npm install -g @mariozechner/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use OL-Neuland/Ministral-8B-InvoiceXpert-GGUF with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16

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 OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16

Run Hermes

hermes

Atomic Chat new
Docker Model Runner
How to use OL-Neuland/Ministral-8B-InvoiceXpert-GGUF with Docker Model Runner:
```
docker model run hf.co/OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16
```

Lemonade

How to use OL-Neuland/Ministral-8B-InvoiceXpert-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull OL-Neuland/Ministral-8B-InvoiceXpert-GGUF:BF16

Run and chat with the model

lemonade run user.Ministral-8B-InvoiceXpert-GGUF-BF16

List all available models

lemonade list

Ministral-8B-InvoiceXpert-GGUF : GGUF

This model was finetuned and converted to GGUF format using Unsloth.

Example usage:

For text only LLMs: llama-cli -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF --jinja
For multimodal models: llama-mtmd-cli -hf OL-Neuland/Ministral-8B-InvoiceXpert-GGUF --jinja

Available Model files:

ministral-3-8b-instruct-2512.Q4_K_M.gguf
ministral-3-8b-instruct-2512.BF16-mmproj.gguf This was trained 2x faster with Unsloth

📄 Ministral-8B-InvoiceXpert

Über das Modell

Dieses Modell wurde im Rahmen eines IHK-Abschlussprojekts entwickelt. Es handelt sich um ein feingetuntes Vision-Language-Modell (VLM), das darauf spezialisiert ist, deutsche Rechnungen und Belege zu lesen und in hochstrukturierte Markdown-Formate (inklusive Kopfdaten und Positionstabellen) zu konvertieren.

Basis-Modell: ministral-3-8b-instruct Training: Finetuning via LoRA (Vision & Language Layers) mit unsloth in bfloat16.

🎯 Anwendungsfall

Das Modell dient als Kernkomponente für ein automatisiertes, lokales Rechnungsarchiv. Es extrahiert selbstständig:

Rechnungsnummer, Datum, Absender, Gesamtbetrag
Tabellarische Auflistung aller Rechnungspositionen
Schlechtes Scannen oder unleserliche Bereiche (markiert als [unleserlich])

⚠️ System Prompt

Um die korrekte Struktur zu erhalten, muss folgender System-Prompt verwendet werden:

Du bist ein präziser KI-Archivar. Deine Aufgabe ist es, die angehängte Rechnung oder den Beleg für ein durchsuchbares Volltext-Archiv zu transkribieren und zu strukturieren. Halte dich strikt an diese Regeln:

Nur Text: Gib ausschließlich den transkribierten und strukturierten Inhalt aus.
Kopfdaten: Erfasse die wichtigsten Rahmendaten übersichtlich am Anfang (z.B. Absender, Datum, Rechnungsnummer, Gesamtbetrag).
Tabellen-Format: Wenn auf der Rechnung einzelne Positionen/Artikel aufgelistet sind, wandle diese zwingend in eine saubere Markdown-Tabelle um.
Keine Halluzinationen: Erfinde niemals Zahlen, Artikel oder Namen hinzu.
Umgang mit Schäden: Wenn ein Wort unleserlich ist, schreibe [unleserlich].

💻 Nutzung (Python / Unsloth)

Da aktuelle Client-Tools (wie LM Studio / Ollama) die neuartige Architektur des Ministral-Vision-Projectors derzeit noch nicht nativ unterstützen, wird die Nutzung über Python empfohlen:

⚠️Wichtiger Architektur-Hinweis (Client-Kompatibilität)

Dieses Repository enthält zwei Dateien:

...04_K_ M.gguf (Das quantisierte Sprachzentrum)
...BF16-mmproi.gguf (Der Vision-Proiector / Sehnerv)

Aktueller Status: Zum jetzigen Zeitpunkt haben auf llama.cpp basierende Tools wie LM Studio oder 0llama noch architektonische Schwierigkeiten, den nativen Vision-Adapter (mmproi) der Ministral-Architektur korrekt zu laden. Die Text-Generierung funktioniert einwandfrei. Bild-Uploads können iedoch zu Fehlern führen. Für eine voll funktionsfähige Multimodal-Inferenz wird derzeit die Nutzung des unquantisierten Basis-Repositories (OL-Neuland/ Ministral-8B-InvoiceXpert) via Python und unsloth empfohlen.

Downloads last month: 89

GGUF

Model size

8B params

Architecture

mistral3

Hardware compatibility

4-bit

Inference Providers NEW

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

Model tree for OL-Neuland/Ministral-8B-InvoiceXpert-GGUF

Base model

mistralai/Ministral-3-8B-Base-2512

Quantized

mistralai/Ministral-3-8B-Instruct-2512