Instructions to use LDCC/KORMo-19B-MoE with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use LDCC/KORMo-19B-MoE with Transformers:

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

pipe = pipeline("text-generation", model="LDCC/KORMo-19B-MoE", trust_remote_code=True)
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("LDCC/KORMo-19B-MoE", trust_remote_code=True, dtype="auto")

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use LDCC/KORMo-19B-MoE with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "LDCC/KORMo-19B-MoE"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "LDCC/KORMo-19B-MoE",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/LDCC/KORMo-19B-MoE

SGLang

How to use LDCC/KORMo-19B-MoE 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 "LDCC/KORMo-19B-MoE" \
    --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": "LDCC/KORMo-19B-MoE",
		"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 "LDCC/KORMo-19B-MoE" \
        --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": "LDCC/KORMo-19B-MoE",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use LDCC/KORMo-19B-MoE with Docker Model Runner:
```
docker model run hf.co/LDCC/KORMo-19B-MoE
```

KORMo-MoE (2-Experts)

본 모델은 KORMo-Team/KORMo-10B-sft를 기반으로, 두 개의 Expert를 갖는 Mixture of Experts (MoE) 구조로 확장한 버전입니다.

개요

이 모델은 다음 두 개의 한국어 데이터셋을 활용하여 **QLoRA 기반 미세조정(fine-tuning)**을 수행한 후, 2-Expert MoE 모델로 변환한 실험용 연구 모델입니다.

사용 데이터셋
- jaeyong2/Code-Qwen3-14B-Ko
- LGAI-EXAONE/Ko-LongRAG
베이스 모델
- KORMo-Team/KORMo-10B-sft

학습 구성

미세조정 방식: QLoRA
Expert 수: 2
MoE 변환 도구: mergekit
베이스 모델: KORMo-10B-sft

vLLM 호환성

본 모델을 vLLM에서 실행하기 위해서는 별도의 패치 적용이 필요합니다. 다음 스크립트를 사용하여 설치를 진행할 수 있습니다.

vllm==0.10.0
install_vllm_support.sh

참고 및 감사

본 연구는 KORMo-Team에서 공개한 오픈소스 모델인 KORMo-10B-sft를 기반으로 수행되었습니다. 모델을 공개해주신 KORMo-Team에 감사의 뜻을 전합니다.

Downloads last month: 54

Safetensors

Model size

19B params

Tensor type

BF16

Model tree for LDCC/KORMo-19B-MoE

Base model

KORMo-Team/KORMo-10B-sft

Finetuned

(4)

this model

LDCC
/

KORMo-19B-MoE

KORMo-MoE (2-Experts)

개요

학습 구성

vLLM 호환성

참고 및 감사

Model tree for LDCC/KORMo-19B-MoE

Space using LDCC/KORMo-19B-MoE 1