huggingface-local-models

Use para selecionar modelos para executar localmente com llama.cpp e GGUF em CPU, Mac Metal, CUDA ou ROCm. Abrange como encontrar GGUFs, seleção de quantização, execução de servidores, exatamente…

npx skills add https://github.com/huggingface/skills --skill huggingface-local-models

Hugging Face Local Models

Search the Hugging Face Hub for llama.cpp-compatible GGUF repos, choose the right quant, and launch the model with llama-cli or llama-server.

Default Workflow

  1. Search the Hub with apps=llama.cpp.
  2. Open https://huggingface.co/<repo>?local-app=llama.cpp.
  3. Prefer the exact HF local-app snippet and quant recommendation when it is visible.
  4. Confirm exact .gguf filenames with https://huggingface.co/api/models/<repo>/tree/main?recursive=true.
  5. Launch with llama-cli -hf <repo>:<QUANT> or llama-server -hf <repo>:<QUANT>.
  6. Fall back to --hf-repo plus --hf-file when the repo uses custom file naming.
  7. Convert from Transformers weights only if the repo does not already expose GGUF files.

Quick Start

Install llama.cpp

brew install llama.cpp
winget install llama.cpp
git clone https://github.com/ggml-org/llama.cpp
cd llama.cpp
make

Authenticate for gated repos

hf auth login

Search the Hub

https://huggingface.co/models?apps=llama.cpp&sort=trending
https://huggingface.co/models?search=Qwen3.6&apps=llama.cpp&sort=trending
https://huggingface.co/models?search=<term>&apps=llama.cpp&num_parameters=min:0,max:24B&sort=trending

Run directly from the Hub

llama-cli -hf unsloth/Qwen3.6-35B-A3B-GGUF:UD-Q4_K_M
llama-server -hf unsloth/Qwen3.6-35B-A3B-GGUF:UD-Q4_K_M

Run an exact GGUF file

llama-server \
    --hf-repo unsloth/Qwen3.6-35B-A3B-GGUF \
    --hf-file Qwen3.6-35B-A3B-UD-Q4_K_M.gguf \
    -c 4096

Convert only when no GGUF is available

hf download <repo-without-gguf> --local-dir ./model-src
python convert_hf_to_gguf.py ./model-src \
    --outfile model-f16.gguf \
    --outtype f16
llama-quantize model-f16.gguf model-q4_k_m.gguf Q4_K_M

Smoke test a local server

llama-server -hf unsloth/Qwen3.6-35B-A3B-GGUF:UD-Q4_K_M
curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer no-key" \
  -d '{
    "messages": [
      {"role": "user", "content": "Write a limerick about exception handling"}
    ]
  }'

Quant Choice

  • Prefer the exact quant that HF marks as compatible on the ?local-app=llama.cpp page.
  • Keep repo-native labels such as UD-Q4_K_M instead of normalizing them.
  • Default to Q4_K_M unless the repo page or hardware profile suggests otherwise.
  • Prefer Q5_K_M or Q6_K for code or technical workloads when memory allows.
  • Consider Q3_K_M, Q4_K_S, or repo-specific IQ / UD-* variants for tighter RAM or VRAM budgets.
  • Treat mmproj-*.gguf files as projector weights, not the main checkpoint.

Load References

  • Read hub-discovery.md for URL-first workflows, model search, tree API extraction, and command reconstruction.
  • Read quantization.md for format tables, model scaling, quality tradeoffs, and imatrix.
  • Read hardware.md for Metal, CUDA, ROCm, or CPU build and acceleration details.

Resources

  • llama.cpp: https://github.com/ggml-org/llama.cpp
  • Hugging Face GGUF + llama.cpp docs: https://huggingface.co/docs/hub/gguf-llamacpp
  • Hugging Face Local Apps docs: https://huggingface.co/docs/hub/main/local-apps
  • Hugging Face Local Agents docs: https://huggingface.co/docs/hub/agents-local
  • GGUF converter Space: https://huggingface.co/spaces/ggml-org/gguf-my-repo

Mais skills de huggingface

Hugging Face Cli
huggingface
Execute Hugging Face Hub operations using the `hf` CLI. Use when the user needs to download models/datasets/spaces, upload files to Hub repositories, create repos, manage local cache, or run compute jobs on HF infrastructure. Covers authentication, file transfers, repository creation, cache operations, and cloud compute.
official
Hugging Face Datasets
huggingface
Criar e gerenciar datasets no Hugging Face Hub. Suporta inicialização de repositórios, definição de configurações/prompts de sistema, atualização de linhas em streaming e consulta/transformação de datasets baseada em SQL. Projetado para funcionar junto ao servidor MCP do HF para fluxos de trabalho abrangentes com datasets.
official
Hugging Face Evaluation
huggingface
Adicionar e gerenciar resultados de avaliação em model cards do Hugging Face. Suporta extração de tabelas de avaliação do conteúdo do README, importação de pontuações da API Artificial Analysis e execução de avaliações personalizadas de modelos com vLLM/lighteval. Funciona com o formato de metadados model-index.
official
Hugging Face Jobs
huggingface
Execute qualquer workload na infraestrutura de Hugging Face Jobs. Abrange scripts UV, jobs baseados em Docker, seleção de hardware, estimativa de custos, autenticação com tokens, gerenciamento de segredos, configuração de timeout e persistência de resultados. Projetado para workloads de computação de uso geral, incluindo processamento de dados, inferência, experimentos, jobs em lote e qualquer tarefa baseada em Python.
official
Hugging Face Model Trainer
huggingface
Treine ou ajuste modelos de linguagem usando TRL (Transformer Reinforcement Learning) na infraestrutura de Jobs do Hugging Face. Abrange os métodos de treinamento SFT, DPO, GRPO e modelagem de recompensa, além da conversão para GGUF para implantação local. Inclui orientações sobre preparação de conjuntos de dados, seleção de hardware, estimativa de custos e persistência de modelos.
official
Hugging Face Paper Publisher
huggingface
Publique e gerencie artigos de pesquisa no Hugging Face Hub. Suporta a criação de páginas de artigos, vinculação de artigos a modelos/conjuntos de dados, reivindicação de autoria e geração de artigos de pesquisa profissionais baseados em markdown.
official
Hugging Face Tool Builder
huggingface
Construa scripts e ferramentas reutilizáveis usando a API do Hugging Face. Útil ao encadear ou combinar chamadas de API, ou quando tarefas forem repetidas/automatizadas. Cria scripts de linha de comando reutilizáveis para buscar, enriquecer ou processar dados do Hugging Face Hub.
official
Hugging Face Trackio
huggingface
Acompanhe e visualize experimentos de treinamento de ML com o Trackio. Use ao registrar métricas durante o treinamento (API Python) ou ao recuperar/analisar métricas registradas (CLI). Suporta visualização em dashboard em tempo real, sincronização com HF Space e saída JSON para automação.
official