Instructions to use Finisha-F-scratch/Lamina-basic with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Finisha-F-scratch/Lamina-basic with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/Lamina-basic")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Lamina-basic")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Lamina-basic")

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use Finisha-F-scratch/Lamina-basic with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/Finisha-F-scratch/Lamina-basic

SGLang

How to use Finisha-F-scratch/Lamina-basic 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 "Finisha-F-scratch/Lamina-basic" \
    --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": "Finisha-F-scratch/Lamina-basic",
		"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 "Finisha-F-scratch/Lamina-basic" \
        --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": "Finisha-F-scratch/Lamina-basic",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Finisha-F-scratch/Lamina-basic with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/Lamina-basic
```

Clemylia commited on Dec 16, 2025

Commit

bf2be33

verified ·

1 Parent(s): ee881b2

Update README.md

Browse files

Files changed (1) hide show

README.md +1 -3

README.md CHANGED Viewed

@@ -38,7 +38,7 @@ Pour tester `Lamina-basic`, vous pouvez utiliser le `pipeline` de la bibliothèq
 from transformers import AutoTokenizer, pipeline
 # 2. Définissez le nom du modèle sur le Hub
-repo_id = "Clemylia/Lamina-basic"
 # 3. Créez le pipeline de génération de texte
 generator = pipeline('text-generation', model=repo_id, tokenizer=repo_id)
@@ -78,6 +78,4 @@ print(result[0]['generated_text'])
 <br>
 *Créé avec passion par Clemylia. ❤️*
-**🛑 Les modèles Lamina ne sont pas des Llm comme chatgpt ou gemini de google. Ce sont des modèles que j'ai conçu dans un but d'apprentissage de la création des modeles de language, et ont pour utilité la génération d'idée creatives pour des syntaxes inventes, ou de l'Assemblage/génération de phrases simples.**
 Lamina-basic peut être considérée comme un Ultra-SLM ou un SLM casual.

 from transformers import AutoTokenizer, pipeline
 # 2. Définissez le nom du modèle sur le Hub
+repo_id = "NaaClem/Lamina-basic"
 # 3. Créez le pipeline de génération de texte
 generator = pipeline('text-generation', model=repo_id, tokenizer=repo_id)
 <br>
 *Créé avec passion par Clemylia. ❤️*
 Lamina-basic peut être considérée comme un Ultra-SLM ou un SLM casual.