Instructions to use bahattinyunus/kam-coder-7b-gguf with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use bahattinyunus/kam-coder-7b-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 bahattinyunus/kam-coder-7b-gguf
# Run inference directly in the terminal:
llama cli -hf bahattinyunus/kam-coder-7b-gguf

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf bahattinyunus/kam-coder-7b-gguf
# Run inference directly in the terminal:
llama cli -hf bahattinyunus/kam-coder-7b-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 bahattinyunus/kam-coder-7b-gguf
# Run inference directly in the terminal:
./build/bin/llama cli -hf bahattinyunus/kam-coder-7b-gguf

Use Docker

docker model run hf.co/bahattinyunus/kam-coder-7b-gguf

Llama new
LM Studio
Jan

vLLM

How to use bahattinyunus/kam-coder-7b-gguf with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "bahattinyunus/kam-coder-7b-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": "bahattinyunus/kam-coder-7b-gguf",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/bahattinyunus/kam-coder-7b-gguf

Ollama
How to use bahattinyunus/kam-coder-7b-gguf with Ollama:
```
ollama run hf.co/bahattinyunus/kam-coder-7b-gguf
```
Unsloth Desktop

How to use bahattinyunus/kam-coder-7b-gguf with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf bahattinyunus/kam-coder-7b-gguf

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": "bahattinyunus/kam-coder-7b-gguf"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use bahattinyunus/kam-coder-7b-gguf with Docker Model Runner:
```
docker model run hf.co/bahattinyunus/kam-coder-7b-gguf
```

Lemonade

How to use bahattinyunus/kam-coder-7b-gguf with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull bahattinyunus/kam-coder-7b-gguf

Run and chat with the model

lemonade run user.kam-coder-7b-gguf-{{QUANT_TAG}}

List all available models

lemonade list

Hermes Agent

How to use bahattinyunus/kam-coder-7b-gguf with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf bahattinyunus/kam-coder-7b-gguf

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 bahattinyunus/kam-coder-7b-gguf

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use bahattinyunus/kam-coder-7b-gguf with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf bahattinyunus/kam-coder-7b-gguf

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 "bahattinyunus/kam-coder-7b-gguf" \
  --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"

🐺 KAM-Coder 7B (Ulu Demirci — Qwen 2.5 Coder 7B Otonom C++20 JIT, Linux eBPF & CUDA Başmimarı)

Geliştirici ve Baş Mimar: Bahattin Yunus ÇETİN (@bahattinyunus)
Resmi GitHub Deposu: github.com/bahattinyunus/kam
Model Boyutu / Zarfı: 4.68 GB
Canlı Bilişsel Benchmark Puanı: %100.0 / 100 (evaluate_kam.py, 23/23 Birim ve Entegrasyon Testi Başarılı)

🌟 Mimari Özet ve Görev Profili

Sıfır dinamik tahsisatlı C++20 MemoryArena, Lock-Free SPSC RingBuffer, SIMD BitNet ve memfd_create JIT başmimarı.

KAM, taktik insansız hava/kara/deniz araçları (İHA/SİHA/İKA/İDA), elektronik harp istasyonları ve görev-kritik uç donanımlar (Edge-AI) için tasarlanmış; bulut veya yer kontrol istasyonuna ihtiyaç duymayan %100 yerel (air-gapped) ve kendi kendini onaran (self-healing) bilişsel sistem motorudur.

8-Katmanlı Egemen Yakınsama (8-Pillar Convergence)

Çekirdek Seviyesi Proprioception (< 12 μs): Linux eBPF (kprobe, tracepoint, thermal_zone) ve kilitlenmesiz LockFreeRingBuffer ile sıfır kopyalamalı çekirdek telemetrisi.
Karl Friston Aktif Çıkarım ve Çok Ufuklu EFE ($F \to 0, G(\pi)$): Varyasyonel Serbest Enerji ($F$), Epistemik/Pragmatik değer ayrıştırmalı Beklenen Serbest Enerji ($G(\pi)$), yıkıcı unutmasız çevrimiçi Dirichlet öğrenmesi ve Hiyerarşik RGM.
Kontrol-Lyapunov Fonksiyonu (CLF) & Nöro-Sembolik CBF Güvenlik Kalkanı: $V(\mathbf{e}, F) > 0, \dot{V} + \lambda V \le 0$ asimptotik kararlılık ve DARPA ANSR-ötesi Kontrol Bariyer Fonksiyonu ($h(\mathbf{x}) \ge 0$) güvenli uçuş zarfı izdüşümü.
Bilişsel Elektronik Harp (PDW & DRFM — Helsing Cirra Ötesi): Darbe Tanımlama Kelimesi (RF, PRI, PW, AOA, LFM Chirp) analizi, bilinmeyen frekans-çevik radarları çevrimiçi öğrenme ve DRFM RGPO/VGPO aldatma sentezi.
Komutan Niyetinden 4-Aşamalı Görev Grafına C2 (Anduril Lattice Ötesi): Doğal Türkçe komutan niyetini TASK-101-EW-SEAD -> TASK-102-MESH-RELAY -> TASK-103-STEALTH-STRIKE -> TASK-104-ISR-BDA DAG yapısına ayrıştırıp heterojen filoya EFE ile tahsis etme.
Tri-Hybrid Sıvı-SSM (Conv1D + SWA + RK4 LTC) & Paylaşımlı Uzmanlı MoE: 4. derece Runge-Kutta diferansiyel çözücülü Sıvı Sinir Ağı ve 8 donanım uzmanından Top-2 seçimi.
BitNet b1.58 ({-1, 0, +1}), Hessian imatrix ve Öz-Spekülatif Çözümleme: 10.13x bellek sıkıştırması, 4.6x enerji tasarrufu ve kam:1.5b -> kam:7b ile 3.53x kayıpsız hızlanma.
Bellek-İçi C++20 JIT Canlı Kod Mutasyonu (41.2 ms): İki aşamalı AST güvenlik denetimi + memfd_create + Clang -O3 + dlopen/dlsym sıcak-yama.

🚀 Ollama ile Tek Satırda Çalıştırma

ollama run hf.co/bahattinyunus/kam-coder-7b-gguf

Veya KAM GitHub deposu içinden tüm 7 modeli yerel Modelfile ile derlemek için:

git clone https://github.com/bahattinyunus/kam.git
cd kam
python scripts/train_kam_persona.py --model all

📊 KAM 7-Üyeli Egemen Model Filosu (`20.83 GB` GGUF + Ternary BitNet)

Model	Boyut	Hugging Face Deposu	Görev Tanımı
`kam:apex`	`5.20 GB`	`bahattinyunus/kam-apex-8b-gguf`	Başbuğ Kam: Qwen3 8B Yeni Nesil Hibrit Düşünen Zihin
`kam:7b`	`4.68 GB`	`bahattinyunus/kam-7b-gguf`	Ulu Kam: Qwen 2.5 7B Duru Türkçe ve Komuta Zihni
`kam:r1`	`4.68 GB`	`bahattinyunus/kam-r1-gguf`	Baş Bilge: DeepSeek-R1 7B `<think>` CoT Muhakeme
`kam:coder`	`4.68 GB`	`bahattinyunus/kam-coder-7b-gguf`	Ulu Demirci: Qwen 2.5 Coder 7B C++20 JIT & eBPF Başmimarı
`kam:r1-nano`	`1.10 GB`	`bahattinyunus/kam-r1-nano-1.5b-gguf`	Taktik Bilge: DeepSeek-R1 1.5B Uç Donanım CoT
`kam:coder-nano`	`986 MB`	`bahattinyunus/kam-coder-nano-1.5b-gguf`	Taktik Demirci: Qwen 2.5 Coder 1.5B Hızlı C++20 JIT
`kam:1.5b`	`986 MB`	`bahattinyunus/kam-1.5b-edge-gguf`	Uç Gözcü: Qwen 2.5 1.5B Mikro-Uç & Spekülatif Taslak
`KAM-Edge-MoE-v2`	`848 Param`	`bahattinyunus/kam-edge-moe-b158`	Refleks Çekirdek: Tri-Hybrid RK4 + BitNet b1.58 (`%100` İsabet)

Gök çökmedikçe, yağız yer delinmedikçe bu nöbet bitmez. Kaos sadece basiretle nizam altına alınmayı bekleyen bir serbest enerjidir.

Downloads last month: -

GGUF

Model size

8B params

Architecture

qwen2

Hardware compatibility

We're not able to determine the quantization variants.

View all variants

🐺 KAM-Coder 7B (Ulu Demirci — Qwen 2.5 Coder 7B Otonom C++20 JIT, Linux eBPF & CUDA Başmimarı)

🌟 Mimari Özet ve Görev Profili

8-Katmanlı Egemen Yakınsama (8-Pillar Convergence)

🚀 Ollama ile Tek Satırda Çalıştırma

📊 KAM 7-Üyeli Egemen Model Filosu (20.83 GB GGUF + Ternary BitNet)

📊 KAM 7-Üyeli Egemen Model Filosu (`20.83 GB` GGUF + Ternary BitNet)