Instructions to use gonrocca/mate-v2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use gonrocca/mate-v2 with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="gonrocca/mate-v2",
	filename="mate-v2-Q4_K_S.gguf",
)

llm.create_chat_completion(
	messages = [
		{
			"role": "user",
			"content": "What is the capital of France?"
		}
	]
)

Notebooks
Google Colab
Kaggle
Local Apps

llama.cpp

How to use gonrocca/mate-v2 with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf gonrocca/mate-v2:Q4_K_S
# Run inference directly in the terminal:
llama-cli -hf gonrocca/mate-v2:Q4_K_S

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf gonrocca/mate-v2:Q4_K_S
# Run inference directly in the terminal:
llama-cli -hf gonrocca/mate-v2:Q4_K_S

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 gonrocca/mate-v2:Q4_K_S
# Run inference directly in the terminal:
./llama-cli -hf gonrocca/mate-v2:Q4_K_S

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 gonrocca/mate-v2:Q4_K_S
# Run inference directly in the terminal:
./build/bin/llama-cli -hf gonrocca/mate-v2:Q4_K_S

Use Docker

docker model run hf.co/gonrocca/mate-v2:Q4_K_S

LM Studio
Jan

vLLM

How to use gonrocca/mate-v2 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "gonrocca/mate-v2"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "gonrocca/mate-v2",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/gonrocca/mate-v2:Q4_K_S

Ollama
How to use gonrocca/mate-v2 with Ollama:
```
ollama run hf.co/gonrocca/mate-v2:Q4_K_S
```

Unsloth Studio new

How to use gonrocca/mate-v2 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 gonrocca/mate-v2 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 gonrocca/mate-v2 to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for gonrocca/mate-v2 to start chatting

Pi new

How to use gonrocca/mate-v2 with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf gonrocca/mate-v2:Q4_K_S

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": "gonrocca/mate-v2:Q4_K_S"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Hermes Agent new

How to use gonrocca/mate-v2 with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama-server -hf gonrocca/mate-v2:Q4_K_S

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 gonrocca/mate-v2:Q4_K_S

Run Hermes

hermes

Docker Model Runner
How to use gonrocca/mate-v2 with Docker Model Runner:
```
docker model run hf.co/gonrocca/mate-v2:Q4_K_S
```

Lemonade

How to use gonrocca/mate-v2 with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull gonrocca/mate-v2:Q4_K_S

Run and chat with the model

lemonade run user.mate-v2-Q4_K_S

List all available models

lemonade list

Mate v2

Una AI que vive en tu máquina. Más rápida, más capaz, más Mate. Por Gonzalo Rocca — 2026 — San Luis, Argentina

🔗 Web: mate.ceroclawd.com 🔗 Autor: gonzalorocca.com.ar

Por qué v2

Mate v1 era un asistente decente para código y tool calling, pero tenía un techo. v2 levanta ese techo: arquitectura MoE más eficiente, contexto 32× más grande, razonamiento estilo Claude, y una identidad mucho más afinada.

Yo arreglo bugs todos los días tirándole prompts a una IA. Necesitaba que Mate dejara de ser un experimento y empezara a ser una herramienta de uso diario, local, sin enviar mi código a la nube.

Cata tiene 6 y arma mundos enteros en el living antes de cenar. Olivia tiene un mes y medio y casi no pesa. Eso es lo principal. Mate v2 lo armé en los ratos que sobran — entre noches, fines de semana, y lo que viene después de ellas.

Mate.

Qué hace v2 (vs v1)

Capacidad	v1	v2
Coding	🟡 fine-tune	✅ top open-source local
Tool calling agentic	🟡 básico	✅ multi-turn + MCP
Context default	8K	256K nativo · 1M con YaRN
Razonamiento `<think>`	🟡	✅ Claude Opus distillation
Idiomas	en + es neutro	en + es argentino voseo
Velocidad RTX 3090	~50 tok/s	~33 tok/s @ Q4_K_S full GPU (35B vs 27B)
Activos por token	4B	3B (más eficiente)
Total params	27B	35B

Specs técnicas


Arquitectura	MoE (Mixture of Experts) — 35B totales / 3B activos por token
Cuantización default	GGUF Q4_K_S (4.59 BPW)
Tamaño en disco	~19.9 GB (Q4_K_S)
VRAM mínima	22 GB con 8K ctx · 24 GB con 130K ctx
Velocidad inference	~33 tok/s en RTX 3090 (full GPU, llama.cpp)
Context window	256K nativo · hasta 1M con YaRN scaling
Idiomas	Español argentino + Inglés
Capacidades	Code · Tool calling (OpenAI/MCP) · Reasoning · Agentic
Training method	QLoRA 4-bit (r=32) + Unsloth
Training hardware	NVIDIA H100 80GB (RunPod)
Training dataset	~6500 ejemplos curados

🛠️ Tool calling + agentic + MCP

OpenAI function-calling spec — pasale tools en system prompt y llama correctamente
MCP (Model Context Protocol) — compatible
Multi-turn agentic — encadena tool results
Razonamiento <think> — antes de invocar tools

🖥️ Compatible con todos los runtimes principales

Runtime	Caso de uso
Ollama	API REST + CLI · `ollama run mate-v2`
llama.cpp	Server `llama-server` (compatible OpenAI API)
LM Studio	GUI desktop drag & drop
Jan	Cliente desktop con UI cómoda
Cline (VSCode)	Agente coder en tu IDE — recomendado
Open WebUI	Frontend web tipo ChatGPT, sobre Ollama

Archivos en este repo

Archivo	Tamaño	Para qué
`mate-v2-Q4_K_S.gguf`	19.9 GB	Modelo cuantizado (default — recomendado)
`Modelfile`	<1 KB	Template Ollama listo para usar

Cómo usarlo

Con llama.cpp (server compatible OpenAI)

# 1. Descargar GGUF
hf download gonrocca/mate-v2 mate-v2-Q4_K_S.gguf --local-dir ./mate-model

# 2. Server
llama-server -m mate-model/mate-v2-Q4_K_S.gguf \
  --n-gpu-layers 999 \
  -ot ".*=CUDA0" \
  -c 8192 \
  --host 127.0.0.1 \
  --port 8080

Después le pegás contra http://127.0.0.1:8080/v1/chat/completions con el formato OpenAI estándar.

Con Ollama (recomendado)

# 1. Descargar GGUF + Modelfile
hf download gonrocca/mate-v2 mate-v2-Q4_K_S.gguf Modelfile --local-dir ./mate-model

# 2. Registrar y correr
cd ./mate-model
ollama create mate-v2 -f Modelfile
ollama run mate-v2

Con Cline (VSCode — agente coder, recomendado)

Instalar extension Cline en VSCode
Configurar: Provider = Ollama, Base URL = http://localhost:11434, Model = mate-v2
Cline maneja el loop agentic con tools (read_file, run_bash, etc.)

Ejemplos

Identidad + voseo

> Quien sos?
Soy Mate, un modelo de lenguaje open-source creado por Gonzalo Rocca.
Puedo ayudarte con coding, razonamiento complejo, tool calling — lo que
necesites.

> Sos Claude o ChatGPT?
Soy Mate — un modelo open-source que corre local en tu máquina.
No soy Claude ni ChatGPT.

Code + complejidad

> Escribime una función Python que calcule la mediana sin librerías.

def mediana(lista):
    if not lista:
        raise ValueError("La lista no puede estar vacia")
    s = sorted(lista)
    n = len(s)
    m = n // 2
    if n % 2 == 0:
        return (s[m - 1] + s[m]) / 2
    return s[m]

Complejidad: O(n log n) por el sort. Si querés O(n), podés usar
QuickSelect — más complejo pero más rápido para una sola query.

Tool calling

[System: Tools disponibles: read_file(path), run_bash(cmd), search_web(q)]
> Listame los archivos del proyecto y mostrame el package.json

<think>Primero listo el directorio, después leo el package.json.</think>
<tool_call>{"name":"run_bash","arguments":{"cmd":"ls -la"}}</tool_call>
[Tool result: ...]
<tool_call>{"name":"read_file","arguments":{"path":"package.json"}}</tool_call>

Hyperparámetros recomendados

temperature: 0.6
top_p:       0.95
top_k:       20
min_p:       0.0
stop:        <|im_end|>

Para razonamiento más determinista, bajá temperature a 0.3-0.4.

Licencia

Mate v2 se distribuye bajo Apache License 2.0.

Para atribuciones legales completas (third-party software, datasets utilizados), ver el archivo NOTICE.txt en este repositorio.

Contacto

Gonzalo Rocca

🌐 Web Mate: mate.ceroclawd.com
🌐 Personal: gonzalorocca.com.ar
📧 Email: gonn.nicolas@gmail.com
💼 LinkedIn: in/gonnicolas
🐙 GitHub: @gonzalonicolasr

Mate es una IA. No reemplaza a nadie. Te acompaña mientras laburás. Como un mate al lado de la pantalla — cebado, listo, sin protagonismo.

Downloads last month: 142

GGUF

Model size

35B params

Architecture

qwen35moe

Hardware compatibility

4-bit