Instructions to use LUMAMODEL/luma with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use LUMAMODEL/luma with Transformers:

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

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

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("LUMAMODEL/luma")
model = AutoModelForCausalLM.from_pretrained("LUMAMODEL/luma", 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

llama.cpp

How to use LUMAMODEL/luma with llama.cpp:

Install (macOS, Linux)

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf LUMAMODEL/luma:Q8_0
# Run inference directly in the terminal:
llama cli -hf LUMAMODEL/luma:Q8_0

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf LUMAMODEL/luma:Q8_0
# Run inference directly in the terminal:
llama cli -hf LUMAMODEL/luma:Q8_0

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf LUMAMODEL/luma:Q8_0
# Run inference directly in the terminal:
./llama-cli -hf LUMAMODEL/luma:Q8_0

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf LUMAMODEL/luma:Q8_0
# Run inference directly in the terminal:
./build/bin/llama-cli -hf LUMAMODEL/luma:Q8_0

Use Docker

docker model run hf.co/LUMAMODEL/luma:Q8_0

LM Studio
Jan

vLLM

How to use LUMAMODEL/luma with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/LUMAMODEL/luma:Q8_0

SGLang

How to use LUMAMODEL/luma 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 "LUMAMODEL/luma" \
    --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": "LUMAMODEL/luma",
		"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 "LUMAMODEL/luma" \
        --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": "LUMAMODEL/luma",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Ollama
How to use LUMAMODEL/luma with Ollama:
```
ollama run hf.co/LUMAMODEL/luma:Q8_0
```

Unsloth Studio

How to use LUMAMODEL/luma with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for LUMAMODEL/luma to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for LUMAMODEL/luma to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for LUMAMODEL/luma to start chatting

How to use LUMAMODEL/luma with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf LUMAMODEL/luma:Q8_0

Configure the model in Pi

# Install Pi:
npm install -g @mariozechner/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "LUMAMODEL/luma:Q8_0"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

OpenClaw new

How to use LUMAMODEL/luma with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf LUMAMODEL/luma:Q8_0

Configure OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "LUMAMODEL/luma:Q8_0" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

Run OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

Docker Model Runner
How to use LUMAMODEL/luma with Docker Model Runner:
```
docker model run hf.co/LUMAMODEL/luma:Q8_0
```

Lemonade

How to use LUMAMODEL/luma with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull LUMAMODEL/luma:Q8_0

Run and chat with the model

lemonade run user.luma-Q8_0

List all available models

lemonade list

Hermes Agent

How to use LUMAMODEL/luma with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf LUMAMODEL/luma:Q8_0

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default LUMAMODEL/luma:Q8_0

Run Hermes

hermes

Atomic Chat

luma / README.md

LUMAMODEL

Add coding prompt & LM Studio tips to README

20b745b verified 3 days ago

preview code

Raw

History Blame Contribute Delete

6.25 kB

	---
	license: apache-2.0
	language:
	- ru
	- en
	library_name: transformers
	pipeline_tag: text-generation
	base_model: Qwen/Qwen2.5-0.5B-Instruct
	tags:
	- qwen
	- lora
	- ru
	- assistant
	- chat
	- gguf
	datasets:
	- LUMAMODEL/luma-dataset
	---

	# 🐯 LUMA — мой дружелюбный русскоязычный помощник

	<div align="center">

	Компактная дообученная `Qwen2.5-0.5B-Instruct` для живого общения по-русски

	[![License: Apache 2.0](https://img.shields.io/badge/License-Apache%202.0-yellow.svg)](https://www.apache.org/licenses/LICENSE-2.0)
	[![Parameters](https://img.shields.io/badge/params-494M-blue)](https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct)
	[![Format](https://img.shields.io/badge/format-SafeTensors%20%2B%20GGUF-green)](#файлы)
	[![Base](https://img.shields.io/badge/base-Qwen2.5--0.5B--Instruct-purple)](https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct)

	</div>

	---

	## ✨ Кто эта LUMA?

	Это не просто очередная нейронка — это твой собеседник-ассистент, обученный вести
	естественные русские диалоги: здороваться, общаться, поддерживать беседу, отвечать на вопросы.

	- 💬 Живое общение по-русски — отвечает по-человечески;
	- 🧠 Понимает контекст — помнит, о чём разговор;
	- ⌨️ Может писать код и HTML (если попросить);
	- ⚡ Работает даже на CPU — всего 494 млн параметров;
	- 🆓 Бесплатна — лицензия Apache-2.0.

	Дообучена методом LoRA поверх `Qwen2.5-0.5B-Instruct` на корпусе русских диалогов.
	Адаптер влит в веса — здесь лежит готовая полная модель, ничего дополнительно не нужно.

	---

	## 📦 Файлы

	\| Файл \| Что это \| Размер \|
	\|---\|---\|---\|
	\| `model.safetensors` \| Полные веса модели (merged) \| 988 МБ \|
	\| `luma-q8_0.gguf` \| GGUF q8_0 — для LM Studio / Ollama \| 531 МБ \|
	\| `config.json`, `tokenizer.*` \| Конфигурация и токенизатор \| — \|
	\| `chat_template.jinja` \| Chat-шаблон общения \| — \|
	\| `README.md` \| Этот файл 😊 \| — \|

	---

	## 🚀 Быстрый старт

	### Вариант 1 — Python / transformers

	```python
	from transformers import AutoModelForCausalLM, AutoTokenizer

	tok = AutoTokenizer.from_pretrained("LUMAMODEL/luma")
	model = AutoModelForCausalLM.from_pretrained("LUMAMODEL/luma", torch_dtype="auto")

	prompt = tok.apply_chat_template(
	[{"role": "user", "content": "Привет! Как дела?"}],
	tokenize=False, add_generation_prompt=True,
	)
	inputs = tok(prompt, return_tensors="pt")
	out = model.generate(**inputs, max_new_tokens=256, do_sample=True, temperature=0.8)
	print(tok.decode(out[0], skip_special_tokens=True))
	```

	### Вариант 2 — LM Studio 🖥️

	1. Открой LM Studio → вкладка Search;
	2. Найди `LUMAMODEL/luma` и скачай `luma-q8_0.gguf`;
	3. Открой Chat, выбери модель — и просто общайся 💬

	### Вариант 3 — Ollama 🦙

	```bash
	ollama create luma -f - <<'EOF'
	FROM https://huggingface.co/LUMAMODEL/luma/resolve/main/luma-q8_0.gguf
	EOF
	ollama run luma
	```

	---

	## 💻 Хочешь полный код? (важно!)

	LUMA обучена с системным промптом «программист» и без него может отвечать коротко.
	Для длинного и полного кода:

	1. В LM Studio: правая панель → System Prompt → вставь:

	```
	Ты — LUMA, русскоязычный ассистент и программист. Когда просят код — отвечай полным, готовым к запуску кодом без сокращений и без лишнего текста. Код делай чистым и валидным: только корректные CSS-единицы (px, em, rem, %, vw, vh), семантические HTML-теги, все теги закрыты, без PHP, без JSP и серверных шаблонов (${...}), без невалидных конструкций и обрывков чужого кода.
	```

	2. Max Tokens поставь 2048+ (по умолчанию в LM Studio часто 256/512 — из-за этого код обрывается!).
	3. Пример запроса: «Сделай страницу на HTML + CSS: шапка, карточка товара с фото, ценой и кнопкой Купить».

	> ⚙️ Рекомендуемая генерация: temperature 0.7, top_p 0.8, repetition_penalty 1.1.

	---

	## 🧠 Пример

	Вы: Привет! Как у тебя дела?

	LUMA: Привет! Всё отлично, спасибо 😊 Рад, что ты заглянул. Чем могу помочь сегодня?

	---

	## 🎓 Как обучалась

	\| Параметр \| Значение \|
	\|---\|---\|
	\| База \| `Qwen/Qwen2.5-0.5B-Instruct` (Apache-2.0) \|
	\| Метод \| LoRA: r=8, alpha=16, dropout 0.1 \|
	\| Целевые слои \| q/k/v/o/gate/up/down proj \|
	\| Данные \| Корпус русских диалогов (ассистент) \|
	\| Точность \| bf16, batch=1, grad-accum=16 \|
	\| LR \| 1.5e-4, cosine + warmup \|
	\| Контекст \| 1024–2048 токенов \|
	\| Loss \| только по токенам ответов ассистента (+KL-рег. 0.5) \|

	> 📊 Дата-сеты обучения: [`LUMAMODEL/luma-dataset`](https://huggingface.co/datasets/LUMAMODEL/luma-dataset)

	---

	## 🛠 Благодарности

	- [Qwen](https://huggingface.co/Qwen) за отличную базовую модель;
	- [PEFT](https://github.com/huggingface/peft) за LoRA;
	- [llama.cpp](https://github.com/ggml-org/llama.cpp) за GGUF.