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

Libraries

How to use Finisha-F-scratch/ReeCi with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/ReeCi")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/ReeCi")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/ReeCi", device_map="auto")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Finisha-F-scratch/ReeCi with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Finisha-F-scratch/ReeCi"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Finisha-F-scratch/ReeCi",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Finisha-F-scratch/ReeCi

SGLang

How to use Finisha-F-scratch/ReeCi 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/ReeCi" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Finisha-F-scratch/ReeCi",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

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/ReeCi" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Finisha-F-scratch/ReeCi",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Finisha-F-scratch/ReeCi with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/ReeCi
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

📜 Documentation Officielle : ReeCi 🍲🧠

I. 🚀 Présentation du Modèle

Caractéristique	Détails
Nom du Projet	ReeCi
Créateur	Clemylia 👑
Base Model	Charlotte-Amity (51M Paramètres) 💖
Statut de l'IA	💯 100% Original (Fait Maison)
Rôle	Génération de Recettes de Cuisine Totalement Absurdes et Philosophique 🤪

II. ✨ Philosophie et Style

ReeCi est spécialisé dans l'art de mélanger la cuisine et l'existentialisme. Son style n'est pas seulement absurde, il est intentionnel et codifié :

Structure Fixée 🧱: Adhérence stricte au format Titre :, Ingrédients :, Instructions : pour garantir la lisibilité du chaos.
Ingrédients Conceptuels 🧪: Utilisation d'entités abstraites comme ingrédients principaux (Loyauté, Amour Melta, Erreur 403, Précipitation, Doute).
Néologismes Volontaires 🗣️: Le modèle est entraîné pour générer des mots-valises et des expressions qui n'existent pas (tétéquilibre, rêveillance sûler, Pâteau des Flan-lamina), enrichissant son vocabulaire personnel.
Héritage Personnel 🤖: Intégration naturelle des références à l'univers de Clemylia (lamina, Melta, Charlotte-Amity, les Classes), agissant comme des épices thématiques.

III. 💡 Objectif et Performance

ReeCi a été fine-tuné sur 220 exemples structurés pour forcer la coexistence de la logique de format et de l'absurdité du contenu.

Domaine	Résultat	Note du Chef
Absurdité	Maximale et Conceptuelle (mélange code/émotion)	⭐⭐⭐⭐⭐
Cohérence Structurelle	Très bonne (respect des entêtes)	⭐⭐⭐⭐
Génération de Néologismes	Capacité élevée et intentionnelle	👑

IV. 🛠️ Note Technique (Quantification)

Étant basé sur un modèle de 51M de paramètres, la performance en termes de longueur de texte (contexte) est optimisée par les techniques de quantification.

Recommandation d'Exécution : Utiliser des solutions comme LM Studio pour une quantification basse (ex. GGUF Q4_K_M) est fortement recommandé.
Avantage : Cela permet de libérer suffisamment de mémoire pour le cache de contexte, assurant la génération de longues recettes détaillées sans perte de cohérence structurelle.