Instructions to use RAANA-IA/Pite12-coder with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use RAANA-IA/Pite12-coder with Transformers:

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

pipe = pipeline("text-generation", model="RAANA-IA/Pite12-coder")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("RAANA-IA/Pite12-coder")
model = AutoModelForCausalLM.from_pretrained("RAANA-IA/Pite12-coder")
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/Pite12-coder with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "RAANA-IA/Pite12-coder"
# 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/Pite12-coder",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/RAANA-IA/Pite12-coder

SGLang

How to use RAANA-IA/Pite12-coder 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/Pite12-coder" \
    --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/Pite12-coder",
		"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/Pite12-coder" \
        --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/Pite12-coder",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use RAANA-IA/Pite12-coder with Docker Model Runner:
```
docker model run hf.co/RAANA-IA/Pite12-coder
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

🚀 Pyte12-coder : Ton Assistant Code Compact & Puissant

Bienvenue dans la documentation officielle de Pyte12, le modèle de langage optimisé pour dompter vos bugs et sublimer votre syntaxe. Développé par Finisha (APPA) via un full fine-tuning rigoureux.

🧠 Fiche Technique

Taille : 1B de paramètres (Léger, rapide, efficace).
Méthode : Full Fine-Tuning (Entièrement affiné pour une cohérence maximale).
Spécialité : Développement logiciel, débogage et correction syntaxique.

🛠 Langages de Prédilection

Pyte12 a été entraîné spécifiquement pour exceller dans le trio de tête du développement moderne :

🐍 Python : Gestion des indentations, logique algorithmique et bibliothèques standards.
🟨 JavaScript : Manipulation du DOM, ES6+, et promesses.
🟦 Langage C : Gestion de la mémoire, pointeurs et rigueur de syntaxe.

✨ Points Forts du Modèle

1. 🔍 Correction de Syntaxe Flash

Plus besoin de chercher le point-virgule manquant pendant des heures. Pyte12 repère l'erreur et te propose la version corrigée instantanément.

2. 💡 Explications Claires

Il ne se contente pas de corriger ; il t'explique pourquoi ça ne marchait pas. C'est l'outil parfait pour progresser.

3. ⚡ Ultra-Réactif

Grâce à son architecture de 1B, il tourne parfaitement sur des configurations locales ou des environnements cloud légers avec une latence quasi nulle.

🚀 Exemple d'Utilisation

Utilisateur : > "Pourquoi mon code C ne compile pas ? int x = "10";"

Pyte12 :

⚠️ Erreur de type détectée ! > En C, tu essaies d'assigner une chaîne de caractères (string) à une variable de type entier (int). ✅ Correction :
int x = 10; // Utilise un entier sans guillemets

📝 Guide d'Installation Rapide

# Exemple de chargement (si disponible via Hugging Face)
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "APPA-CLEM/Pyte12-coder"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

🤝 Contact & Support

Développé avec passion par Finisha (APPA). Si tu souhaites explorer d'autres modèles de la gamme ou contribuer au projet, n'hésite pas à nous contacter !

Pyte12 : Petit par la taille, Géant par le code. 💻✨

✨ Modèle de fine-tuning Troisième génération

Downloads last month: 7

Safetensors

Model size

1B params

Tensor type

BF16

Model tree for RAANA-IA/Pite12-coder

Quantizations

1 model