Instructions to use Conlanger-LLM-CLEM/Gheya-dialogue-v1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Conlanger-LLM-CLEM/Gheya-dialogue-v1 with Transformers:

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

pipe = pipeline("text-generation", model="Conlanger-LLM-CLEM/Gheya-dialogue-v1")

# Load model directly
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("Conlanger-LLM-CLEM/Gheya-dialogue-v1")
model = AutoModelForSeq2SeqLM.from_pretrained("Conlanger-LLM-CLEM/Gheya-dialogue-v1", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Conlanger-LLM-CLEM/Gheya-dialogue-v1 with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/Conlanger-LLM-CLEM/Gheya-dialogue-v1

SGLang

How to use Conlanger-LLM-CLEM/Gheya-dialogue-v1 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 "Conlanger-LLM-CLEM/Gheya-dialogue-v1" \
    --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": "Conlanger-LLM-CLEM/Gheya-dialogue-v1",
		"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 "Conlanger-LLM-CLEM/Gheya-dialogue-v1" \
        --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": "Conlanger-LLM-CLEM/Gheya-dialogue-v1",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Conlanger-LLM-CLEM/Gheya-dialogue-v1 with Docker Model Runner:
```
docker model run hf.co/Conlanger-LLM-CLEM/Gheya-dialogue-v1
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

📜 DOCUMENTATION TECHNIQUE : GHEYA-DIALOGUE-V1

💎 Présentation du Modèle

Gheya-dialogue-v1 est l’extension conversationnelle du SLM (Small Language Model) original. Conçu pour l'agilité et la précision sémantique, il s'éloigne des structures de langage lissées pour offrir une interaction plus organique et texturée.

Architecture : SLM (Small Language Model) 🧠
Développeur : Finisha-LLM 🛠️
Version : 1.0 (Dialogue-focused) 💬
Année : 2026 📅

🏗️ Entraînement & Datasets

Le modèle repose sur une méthodologie de dataset dense, privilégiant la qualité sémantique à la masse brute.

Volume : +1100 lignes de Q/A (Questions/Réponses) haute densité. 📊
Méthode : "From Scratch" — aucune dépendance aux syntaxes pré-formatées des grands laboratoires. 🧬
Ingénierie Linguistique : Technologie Démantique (Clemylia core). Une approche visant à fragmenter et reconstruire le langage pour une identité unique. 🧪

🛠️ Capacités & Usage

Gheya-dialogue-v1 n'est pas qu'un simple agent de réponse ; il est conçu pour la co-création.

Structuration d'idées : Aide à l'organisation de concepts complexes. 🏗️
Équipe du langage : Support à l'écriture et au raffinement de la pensée. ✍️
Identité Propre : Réponses marquées par une signature syntaxique héritée de son entraînement spécifique. 🗝️

⚡ Exemples d'Interactions (Logs)

Moi : Quel est ton nom ? Gheya : Mon nom de Clemylia. Quelqu'un avec 'Gheya'. Il a été de Clemylia, ou 'Ghey-med' ou 'Démantique' : c'est le nom de l'ingénierie linguistique de mon entraînement. 🌀

🚀 Prochaines Étapes pour la v2 et au delà

Optimisation des poids pour réduire les coupures de tokens en fin de génération. ⚡
Expansion du dataset vers des contextes narratifs spécifiques. 📚

⚡ Langue 🍏

D'après ce qui a été observé, Gheya est capable de parlé en français et en anglais.

Downloads last month: 19

Safetensors

Model size

0.3B params

Tensor type

F32

Model tree for Conlanger-LLM-CLEM/Gheya-dialogue-v1

Quantizations

1 model

Conlanger-LLM-CLEM
/

Gheya-dialogue-v1