Instructions to use RAANA-IA/Gamia-pygame-v1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use RAANA-IA/Gamia-pygame-v1 with Transformers:

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

pipe = pipeline("text-generation", model="RAANA-IA/Gamia-pygame-v1")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("RAANA-IA/Gamia-pygame-v1")
model = AutoModelForCausalLM.from_pretrained("RAANA-IA/Gamia-pygame-v1")
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]:]))

Inference
Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use RAANA-IA/Gamia-pygame-v1 with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/RAANA-IA/Gamia-pygame-v1

SGLang

How to use RAANA-IA/Gamia-pygame-v1 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 "RAANA-IA/Gamia-pygame-v1" \
    --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": "RAANA-IA/Gamia-pygame-v1",
		"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 "RAANA-IA/Gamia-pygame-v1" \
        --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": "RAANA-IA/Gamia-pygame-v1",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use RAANA-IA/Gamia-pygame-v1 with Docker Model Runner:
```
docker model run hf.co/RAANA-IA/Gamia-pygame-v1
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

🕹️ Gamia-pygame-v1 : Documentation Officielle

Gamia-pygame-v1 est un modèle de langage spécialisé dans la génération de code de jeux vidéo "Hyper-Casual" utilisant la bibliothèque Pygame. Issu d'un lignage d'itérations de full-fine-tuning, il privilégie la logique de jeu directe et le code fonctionnel immédiat.

🚀 Spécifications Techniques

Lignage : 2ème génération (Base : Pite12-coder).
Architecture : Optimisée pour la prédiction de structures logiques Python.
Dataset d'affinage : 2000 paires de Q/A spécialisées en mécaniques de jeu mono-mecanique.

🛠️ Capacités de Génération

Le modèle excelle dans la création de scripts autonomes pour des jeux simples :

Boucles de jeu infinies : Gestion native du while True.
Physique basique : Gravité, accélération, gestion des vecteurs de vitesse (vy, vx).
Interactions tactiles/souris : Utilisation optimisée de pygame.MOUSEBUTTONDOWN.
Rendu graphique : Dessins de formes primitives (rect, circle) et gestion des couleurs RGB.

📝 Guide d'Utilisation

Paramètres Recommandés Pour obtenir les meilleurs résultats avec la texture originale de Gamia :

Paramètre	Valeur Conseillée	Effet
Température	0.2 - 0.4	Pour une précision logique maximale et un code "propre".
Température	0.7+	Pour des variantes de gameplay créatives et expérimentales.
Max Tokens	512 - 1024	Pour s'assurer que le script de jeu est complet.

🩷 Exemple de Prompt Optimal

"Génère un jeu de type 'Catcher' : un rectangle bleu en bas de l'écran se déplace avec la souris pour attraper des cercles rouges qui tombent du ciel. Score affiché en blanc."

⚠️ Notes de Développement (Texture & Balises)

Balises Propriétaires : Le modèle peut générer des balises spécifiques lors de températures élevées.
Comportement Évolutif : Contrairement aux modèles "lisses", Gamia peut réinterpréter certaines consignes de score pour créer des mécaniques de jeu inédites.

✨ Modèle de fine-tuning Quatrième génération

Downloads last month: 7

Safetensors

Model size

1B params

Tensor type

BF16

Model tree for RAANA-IA/Gamia-pygame-v1

Finetunes

1 model

Quantizations

1 model