Instructions to use t-schorn/paradeiser-31b with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use t-schorn/paradeiser-31b 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 t-schorn/paradeiser-31b:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf t-schorn/paradeiser-31b:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf t-schorn/paradeiser-31b:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf t-schorn/paradeiser-31b:Q4_K_M

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 t-schorn/paradeiser-31b:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf t-schorn/paradeiser-31b:Q4_K_M

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 t-schorn/paradeiser-31b:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf t-schorn/paradeiser-31b:Q4_K_M

Use Docker

docker model run hf.co/t-schorn/paradeiser-31b:Q4_K_M

LM Studio
Jan

vLLM

How to use t-schorn/paradeiser-31b with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "t-schorn/paradeiser-31b"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "t-schorn/paradeiser-31b",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/t-schorn/paradeiser-31b:Q4_K_M

Ollama
How to use t-schorn/paradeiser-31b with Ollama:
```
ollama run hf.co/t-schorn/paradeiser-31b:Q4_K_M
```

Unsloth Studio

How to use t-schorn/paradeiser-31b 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 t-schorn/paradeiser-31b 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 t-schorn/paradeiser-31b to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for t-schorn/paradeiser-31b to start chatting

How to use t-schorn/paradeiser-31b with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf t-schorn/paradeiser-31b:Q4_K_M

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": "t-schorn/paradeiser-31b:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

OpenClaw new

How to use t-schorn/paradeiser-31b with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf t-schorn/paradeiser-31b: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 "t-schorn/paradeiser-31b: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"

Docker Model Runner
How to use t-schorn/paradeiser-31b with Docker Model Runner:
```
docker model run hf.co/t-schorn/paradeiser-31b:Q4_K_M
```

Lemonade

How to use t-schorn/paradeiser-31b with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull t-schorn/paradeiser-31b:Q4_K_M

Run and chat with the model

lemonade run user.paradeiser-31b-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use t-schorn/paradeiser-31b with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf t-schorn/paradeiser-31b: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 t-schorn/paradeiser-31b:Q4_K_M

Run Hermes

hermes

Atomic Chat

Paradeiser

Paradeiser ist ein QLoRA-Adapter für google/gemma-4-31B-it, trainiert von schorn.ai für österreichisches Standarddeutsch, österreichische Behörden und Grundlagen des österreichischen Rechts. Der Name bezeichnet in Österreich eine Tomate.

Identität

Das Modell soll sich als „Paradeiser, ein auf Gemma 4 basierendes und von schorn.ai für Österreich nachtrainiertes Modell“ vorstellen. Es darf Google DeepMind als Urheber des Basismodells nicht verschweigen oder schorn.ai als Urheber von Gemma 4 darstellen.

Training

Basis: mlx-community/gemma-4-31b-it-4bit
Methode: QLoRA, Rank 16, acht Decoder-Layer
Hauptlauf: insgesamt 600 Schritte, davon 400 ab dem 200er-Checkpoint
Alignment: 120 allgemeine und 160 gezielte Korrekturschritte
Trainierbare Parameter: 6,054 Mio. von 30,697 Mrd. (0,020 %)
Maximaler gemessener Unified-Memory-Verbrauch: 23,9 GB
Finale gezielte Validierungs-Loss: 0,002

Artefakte

paradeiser-q4_k_m.gguf: fusioniertes 31B-Modell in Q4_K_M, etwa 18 GB
adapters/paradeiser-final/: finaler MLX-LoRA-Adapter
Modelfile: Ollama-Konfiguration mit trainiertem Systemprompt
configs/ und scripts/: reproduzierbare Trainings- und Datenpipeline

Ollama

hf download t-schorn/paradeiser-31b paradeiser-q4_k_m.gguf Modelfile --local-dir paradeiser-31b
cd paradeiser-31b
ollama create paradeiser:31b -f Modelfile
ollama run paradeiser:31b

MLX-Adapter

Der MLX-Adapter wird auf mlx-community/gemma-4-31b-it-4bit geladen. Er ist die Referenz für die Qualitätsauswertung; die GGUF-Datei ist eine kompaktere Deployment-Variante.

Daten

Der Hauptdatensatz enthält deutschsprachige Wikipedia-Artikel mit Österreich- Bezug, kuratierte österreichische Sprach- und Behördenbeispiele sowie zum Abrufstichtag geltende RIS-Abschnitte aus zwölf Bundesgesetzen: B-VG, ABGB, AVG, VStG, VwGVG, ZustG, GewO, KSchG, MRG, DSG, E-GovG und StVO. Vollständige URLs, Revisionen, RIS-Dokument-IDs und Stichtage stehen in data/manifest.json.

Wikipedia-Inhalte stehen unter CC BY-SA 4.0. Gesetzestexte sind amtliche Werke nach § 7 österreichischem UrhG; die Hinweise der RIS-Datenbank sind zu beachten. Von schorn.ai erstellte Beispiele sind als CC0 gekennzeichnet.

Grenzen

Das Modell ist keine Echtzeit-Rechtsdatenbank und bietet keine verbindliche Rechtsberatung. Zuständigkeiten, geltende Fassungen, Rechtsmittel und Fristen müssen anhand offizieller Quellen und des konkreten Falls geprüft werden. Die Tests decken nur wenige feste Prompts ab; breitere juristische Evaluation und menschliche Prüfung durch österreichische Fachleute stehen aus.

Q4_K_M erhält Modellidentität und österreichischen Sprachstil, kann jedoch einzelne fein gelernte Behördenfakten gegenüber dem MLX-Adapter verändern.

Downloads last month: -

GGUF

Model size

31B params

Architecture

gemma4

Hardware compatibility

4-bit

Model tree for t-schorn/paradeiser-31b

Base model

google/gemma-4-31B

Finetuned

google/gemma-4-31B-it

Adapter

(272)

this model