Instructions to use Conlanger-LLM-CLEM/micro-Nelya-neko with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Conlanger-LLM-CLEM/micro-Nelya-neko with Transformers:

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

pipe = pipeline("text-generation", model="Conlanger-LLM-CLEM/micro-Nelya-neko")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Conlanger-LLM-CLEM/micro-Nelya-neko")
model = AutoModelForCausalLM.from_pretrained("Conlanger-LLM-CLEM/micro-Nelya-neko")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Conlanger-LLM-CLEM/micro-Nelya-neko with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Conlanger-LLM-CLEM/micro-Nelya-neko"
# 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/micro-Nelya-neko",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/Conlanger-LLM-CLEM/micro-Nelya-neko

SGLang

How to use Conlanger-LLM-CLEM/micro-Nelya-neko 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/micro-Nelya-neko" \
    --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/micro-Nelya-neko",
		"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/micro-Nelya-neko" \
        --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/micro-Nelya-neko",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Conlanger-LLM-CLEM/micro-Nelya-neko with Docker Model Runner:
```
docker model run hf.co/Conlanger-LLM-CLEM/micro-Nelya-neko
```

micro-Nelya-neko / README.md

Conlanger-LLM-CLEM

Update README.md

52975b7 verified 3 months ago

preview code

raw

history blame contribute delete

2.23 kB

metadata

extra_gated_prompt: >-
  ✨🩷 Pour accéder a micro-nelya-neko, vous devez accepter nos conditions et
  notre license. Ainsi que utiliser le modèle ce pour quoi il a été entraîné.
  ✨🩷 Merci de remplir le formulaire ici-présent pour faire votre candidature.
extra_gated_fields:
  votre-pseudo: text
  votre-nationnalité: country
  date-de-candidature: date_picker
  je veux utiliser ce modèle pour:
    type: select
    options:
      - Exploration générale de la langue nekolienne
      - Fine-tuning
      - Recherche et développement
      - Utilisation de la sémantique nekolienne
      - label: Other
        value: other
  Je suis D'accord avec les conditions et la license: checkbox
library_name: transformers
tags:
  - conlangs
  - TLM
  - nekolien

🐾 micro-nelya-neko (191k) — Documentation Officielle

🚀 L'Essence Pure du Nekolien en Format Micro micro-nelya-neko est le plus petit membre de la lignée Nelya-neko, "From Scratch" signée Clemylia. Conçu pour être ultra-léger sans sacrifier la structure, ce modèle est un natif absolu : il ne connaît que le Nekolien et ignore l'existence des autres langues.

📊 Spécifications Techniques

Caractéristique	Valeur	Note de la Créatrice
Paramètres	191 136	Le "scalpel" de la gamme. 🔪
Fenêtre de Contexte	7 000 Tokens	Une mémoire d'éléphant dans un corps de puce. 🐘
Entraînement	100% From Scratch	Zéro pollution, zéro héritage externe. 💎

✨ Points Forts & Capacités

🧩 Cohérence Morphologique : Malgré sa taille minuscule, il respecte les règles complexes de la conlang avec une précision chirurgicale.
🧠 Mémoire Longue Distance : Grâce à ses 7k de contexte, il peut analyser de longs textes et maintenir une continuité thématique impossible pour les autres modèles de sa catégorie.
💻 Performance "Grille-Pain" : Peut tourner sur n'importe quel support (navigateur, mobile, micro-contrôleur) avec une latence quasi-nulle.
🛡️ Isolation Native : Totalement immunisé contre les interférences du français ou de l'anglais. Il "pense" 100% Nekolien.