NeveAI/Neve-Cascade-4-1.2B-GGUF overview

---

library_name: transformers

license: apache-2.0

pipeline_tag: text-generation

base_model: LiquidAI/LFM2.5-1.2B-Instruct

tags:

- NeveAI

- Neve

- Cascade

---

<div align="center">

<img src="https://cdn-uploads.huggingface.co/production/uploads/68a3ba234a7dfca33d72eee2/uEgq1cKh6eWYsyWKbcqch.png" width="50%">

</div>

<h1 align="center">Neve-Cascade-4-1.2B-GGUF</h1>

<div align="center">

<a href="https://github.com/NeveIA">

<img src="https://cdn-uploads.huggingface.co/production/uploads/68a3ba234a7dfca33d72eee2/KQa7-ajynUAhTS-kxNtYT.png" width="20%" alt="NeveAI GitHub">

</a>

</div>

Introdução

O Neve Cascade 4 é um modelo de linguagem de última geração focado em baixo consumo para hardware limitado. Esta versão em formato GGUF foi otimizada pela NeveAI para oferecer o equilíbrio ideal entre precisão lógica e eficiência computacional.

---

Destaques do Modelo

Este modelo foi desenvolvido para uso geral e execução eficiente de tarefas textuais, focando em:

• Conversação e Seguimento de Instruções: Otimizado para diálogos, perguntas e respostas, extração de informações, RAG e execução de instruções gerais.
• Arquitetura Leve e Eficiente: Projetado para inferência rápida em CPUs, dispositivos móveis e computadores com recursos limitados, permitindo execução local com baixo consumo de memória.
• Contexto Estendido e Suporte Multilíngue: Suporte a até 32K tokens e treinamento direcionado para inglês, árabe, chinês, francês, alemão, japonês, coreano e espanhol.
• Uso de Ferramentas: Compatível com chamadas de funções, permitindo integração com ferramentas, agentes e fluxos automatizados.

Benchmark de Performance

O Neve Cascade 4 apresenta desempenho competitivo em benchmarks de conhecimento, seguimento de instruções, matemática, multilingualidade e uso de ferramentas:

| Categoria | Benchmark | Neve Cascade 4 | Qwen3 1.7B Instruct | Gemma 3 1B IT |

| :------------------------ | :-------- | :------------: | :-----------------: | :-----------: |

| Reasoning | GPQA | 38.89 | 34.85 | 24.24 |

| Knowledge | MMLU-Pro | 44.35 | 42.91 | 14.04 |

| Instruction Following | IFEval | 86.23 | 73.68 | 63.25 |

| Instruction Following | IFBench | 47.33 | 21.33 | 20.47 |

| Multilingual | Multi-IF | 60.98 | 56.48 | 44.31 |

| Matemática | AIME 2025 | 14.00 | 9.33 | 1.00 |

| Uso de Ferramentas | BFCLv3 | 49.12 | 46.30 | 16.64 |

---

Detalhes da Arquitetura

• Arquitetura: Modelo denso e exclusivamente textual baseado na arquitetura híbrida LFM2.5, combinando blocos convolucionais LIV com blocos de Grouped-Query Attention.
• Parâmetros: Aproximadamente 1,17 bilhão de parâmetros distribuídos em 16 camadas, sendo 10 blocos convolucionais LIV com dupla ativação e 6 blocos GQA.
• Contexto: Até 32.768 tokens de contexto.
• Entrada: Suporte exclusivamente a texto, com chamadas de funções e uso de ferramentas integrados ao formato de conversação.
• Treinamento: Pré-treinamento estendido em aproximadamente 28 trilhões de tokens, seguido por ajuste supervisionado, alinhamento por preferências e aprendizado por reforço em múltiplas etapas.

Como utilizar (GGUF)

Este modelo é compatível com llama.cpp, Ollama, LM Studio e outras ferramentas que suportam o formato GGUF.

Foco direcionado ao uso do modelo na plataforma autoral da organização NeveAI

Licença

Este repositório e os pesos do modelo estão licenciados sob a Licença Apache 2.0.

Contato

Se tiver qualquer dúvida, por favor, levante um issue ou entre em contato conosco em NeveIA.