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

	---
	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

	![Nelya-neko](http://www.image-heberg.fr/files/1774265663946862320.jpg)

	🚀 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.