Instructions to use Clem27AI/KLA-Gamia-coding with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Clem27AI/KLA-Gamia-coding with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="Clem27AI/KLA-Gamia-coding")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Clem27AI/KLA-Gamia-coding")
model = AutoModelForCausalLM.from_pretrained("Clem27AI/KLA-Gamia-coding")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Clem27AI/KLA-Gamia-coding with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Clem27AI/KLA-Gamia-coding"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Clem27AI/KLA-Gamia-coding",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/Clem27AI/KLA-Gamia-coding

SGLang

How to use Clem27AI/KLA-Gamia-coding with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "Clem27AI/KLA-Gamia-coding" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Clem27AI/KLA-Gamia-coding",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "Clem27AI/KLA-Gamia-coding" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Clem27AI/KLA-Gamia-coding",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Clem27AI/KLA-Gamia-coding with Docker Model Runner:
```
docker model run hf.co/Clem27AI/KLA-Gamia-coding
```

Clem27AI commited on Mar 27

Commit

4bffe12

verified ·

1 Parent(s): f77e616

Update README.md

Browse files

Files changed (1) hide show

README.md +31 -1

README.md CHANGED Viewed

@@ -10,4 +10,34 @@ tags:
 model-index:
 - name: KLA-Gamia-coding
   results: []
----

 model-index:
 - name: KLA-Gamia-coding
   results: []
+---
+# 🛠️ Fiche Technique : KLA-Gamia-coding 🎮
+![KLA](http://www.image-heberg.fr/files/17746064842690593151.jpg)
+KLA-Gamia-coding est un modèle de langage à petite échelle (SLM) de la lignée KLA, optimisé pour la génération de briques de code logiques et l'assistance au développement avec la bibliothèque Pygame.
+# 🧬 Architecture & Fondations
+ * Modèle de base : KLA-SLM-CODING (0.2B paramètres).
+ * Méthode : Fine-tuning supervisé (SFT) sur 3 époques.
+ * Philosophie : "La Rigueur avant la Taille". Un modèle compact mais extrêmement dense en connaissances structurelles.
+ * Origine : Pré-entraîné from scratch par Clemylia sur un dataset massif de code source (Hugging Face).
+# 🚀 Spécifications Techniques
+| Caractéristique | Valeur | Avantage |
+|---|---|---|
+| Paramètres | 0.2B (200M) | Ultra-rapide, faible consommation VRAM. |
+| Vocabulaire | 110 417 Tokens | Pas de fragmentation du code (haute fidélité). |
+| Domaine | Python / Pygame | Expert en logique de jeu et boucles événementielles. |
+| Style | Modulaire | Fournit des briques de code et des explications. |
+# ✨ Capacités Clés
+ * 🧩 Modularité Chirurgicale : Au lieu de produire des blocs de code monolithiques, il décompose les solutions en étapes logiques et en brique (Initialisation, Gestion des Sprites, Boucle d'événements).
+ * 📖 Auto-Documentation : Génère spontanément des commentaires explicatifs pour clarifier la logique de jeu, même sur des concepts non présents dans le dataset de fine-tuning.
+# ⚠️ Limitations & Usage Prévu
+Ce modèle est un assistant de structure. Il excelle dans la création de composants et l'explication de concepts. Pour des systèmes multi-fichiers complexes, il est recommandé de l'utiliser brique par brique en corrigeant les potentielles erreurs de syntaxe en production et usage réel pour garantir une précision maximale.
+# 👩‍💻 Crédits
+Développé et entraîné par Clemylia.
+Lignée KLA : L'excellence du code en format compact.