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

Libraries

How to use Finisha-F-scratch/mini-gamia with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/mini-gamia")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/mini-gamia")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/mini-gamia")

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use Finisha-F-scratch/mini-gamia with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Finisha-F-scratch/mini-gamia"
# 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/mini-gamia",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/Finisha-F-scratch/mini-gamia

SGLang

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

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

🌸 Mini-Gamia : Tiny Language Model (TLM)

🍒 L'essence du Game Design en 9.5M de paramètres

Mini-Gamia n'est pas un assistant de code générique. C'est un micro-spécialiste non conventionnel, conçu spécifiquement pour l'architecture logique des jeux Python/Pygame. Là où les gros modèles se perdent dans la politesse, Mini-Gamia se concentre sur la texture et la syntaxe créative.

🛠️ Spécifications Techniques

Caractéristique	Détails
Type	TLM (Tiny Language Model)
Architecture	From Scratch (Zéro dépendance externe)
Poids	9.5 \times 10^6 paramètres
Spécialité	Logique structurelle Pygame & Pseudo-code
Dataset	Corpus propriétaire "Jeux Python / Clemylia"

🎭 Personnalité & Texture Synaptique

Contrairement aux IA "lisses", Mini-Gamia possède une signature unique :

Syntaxe Non-Conventionnelle : Le modèle privilégie la structure logique sur la perfection grammaticale.
Boucles Créatives : Ses répétitions ne sont pas des bugs, mais des insistances sur les mécaniques clés du jeu.
Micro-Spécialisation : Il "pense" en termes de sprites, de collisions et de boucles d'événements, même dans son bafouillage.

⚠️ Philosophie du "Bruit Créatif"

"Un modèle parfait est un modèle ennuyeux." Mini-Gamia peut mélanger les pinceaux ou boucler. C'est le comportement attendu d'un TLM de cette taille. Son but n'est pas de compiler du code prêt-à-l'emploi, mais de servir de générateur de squelettes logiques (Pseudo-code) pour l'humain.

🚀 Guide d'Utilisation (WorkFlow)

Pour tirer le meilleur de Mini-Gamia, utilisez-le comme une "muse logique" :

Input : Donnez-lui l'intention du jeu (ex: "Un jeu de fleurs qui tombent").
Génération : Laissez le modèle tracer la structure brute (Init -> Loop -> Draw).
Filtrage Humain : Corrigez les erreurs de syntaxe inhérentes aux 9.5M de paramètres.
Finalisation : Utilisez l'énergie de ce pseudo-code pour coder manuellement le résultat final.

🔒 Éthique & Propriété

Mini-Gamia est une création indépendante. Il n'est pas "un de plus" dans la masse des modèles commerciaux. Il appartient à l'écosystème de sa créatrice, garantissant une vision artistique et technique sans compromis.

Downloads last month: 7

Safetensors

Model size

9.51M params

Tensor type

F32

Space using Finisha-F-scratch/mini-gamia 1

Collections including Finisha-F-scratch/mini-gamia

From scratch

Collection

Finisha SLM ✨ • 87 items • Updated Mar 23

Petits-modèles (TLM)

Collection

Chez Finisha, les modèles de langages crée avec transformers sont considérés comme des TLM si ils ont moins de 12 millions de parametres. • 14 items • Updated Mar 23