---
license: apache-2.0
language:
- ru
- en
base_model: Qwen/Qwen2.5-1.5B-Instruct
tags:
- gguf
- unsloth
- fine-tuned
- conversational
- nori
pipeline_tag: text-generation
---

<div align="center">

# ✨ Nori 1.5B ✨

### Компактный и дружелюбный ИИ-ассистент

*Быстрая, лёгкая и отзывчивая языковая модель, дообученная для естественного диалога*

[![License](https://img.shields.io/badge/license-apache--2.0-blue.svg)](https://opensource.org/licenses/Apache-2.0)
![GGUF](https://img.shields.io/badge/format-GGUF-orange)
![Params](https://img.shields.io/badge/params-1.5B-green)

</div>

---

## 🌟 О модели

**Nori 1.5B** — компактная разговорная модель, дообученная (fine-tuned) с использованием
[Unsloth](https://github.com/unslothai/unsloth) поверх открытой архитектуры **Qwen2.5-1.5B-Instruct**
от Alibaba Cloud.

## 📦 Доступные квантования

| Файл | Квантование | Размер | Рекомендуется для |
|------|-------------|--------|--------------------|
| `qwen2.5-1.5b-instruct.Q4_K_M.gguf` | Q4_K_M | ~1.0 GB | CPU / слабое железо |
| `qwen2.5-1.5b-instruct.Q8_0.gguf`   | Q8_0   | ~1.6 GB | Баланс качества и скорости |

## 🚀 Быстрый старт (llama.cpp)

```bash
./llama-cli --model qwen2.5-1.5b-instruct.Q4_K_M.gguf -p "Привет, как тебя зовут?"
```

## 🐍 Python (llama-cpp-python)

```python
from llama_cpp import Llama

llm = Llama(model_path="qwen2.5-1.5b-instruct.Q4_K_M.gguf", n_ctx=2048)
output = llm("Привет! Расскажи о себе.", max_tokens=128)
print(output["choices"][0]["text"])
```

## 🦙 Ollama

```bash
ollama create nori -f Modelfile
ollama run nori
```

## 🏗️ База и метод обучения

- **Базовая модель:** Qwen2.5-1.5B-Instruct (Alibaba Cloud)
- **Метод:** LoRA fine-tuning через Unsloth
- **Формат:** GGUF (llama.cpp, LM Studio, Ollama, koboldcpp)

## 📄 Лицензия

Apache 2.0 — соответствует лицензии базовой модели Qwen2.5.

---

<div align="center">
Made with 💛 using Unsloth
</div>