Text Generation
Transformers
Safetensors
Russian
qwen2
conversational
chatbot
russian
qwen
assistant
safe
text-generation-inference
Instructions to use Sonorix/Pulsar-AI-Final with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use Sonorix/Pulsar-AI-Final with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="Sonorix/Pulsar-AI-Final") messages = [ {"role": "user", "content": "Who are you?"}, ] pipe(messages)# Load model directly from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("Sonorix/Pulsar-AI-Final") model = AutoModelForCausalLM.from_pretrained("Sonorix/Pulsar-AI-Final", 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
- vLLM
How to use Sonorix/Pulsar-AI-Final with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "Sonorix/Pulsar-AI-Final" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "Sonorix/Pulsar-AI-Final", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'Use Docker
docker model run hf.co/Sonorix/Pulsar-AI-Final
- SGLang
How to use Sonorix/Pulsar-AI-Final 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 "Sonorix/Pulsar-AI-Final" \ --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": "Sonorix/Pulsar-AI-Final", "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 "Sonorix/Pulsar-AI-Final" \ --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": "Sonorix/Pulsar-AI-Final", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }' - Docker Model Runner
How to use Sonorix/Pulsar-AI-Final with Docker Model Runner:
docker model run hf.co/Sonorix/Pulsar-AI-Final
| language: | |
| - ru | |
| license: apache-2.0 | |
| library_name: transformers | |
| tags: | |
| - conversational | |
| - text-generation | |
| - chatbot | |
| - russian | |
| - qwen | |
| - assistant | |
| - safe | |
| pipeline_tag: text-generation | |
| inference: true | |
| chat_template: chat_template.jinja | |
| widget: | |
| - example_title: "Приветствие" | |
| messages: | |
| - role: user | |
| content: "Привет! Как дела?" | |
| - role: assistant | |
| content: "Привет! У меня всё отлично, спасибо что спросили. Я — Pulsar AI, ваш интеллектуальный помощник мессенджера Pulsar. Чем могу помочь вам сегодня?" | |
| - example_title: "Офлайн-связь" | |
| messages: | |
| - role: user | |
| content: "Как настроить Pulsar Mesh для связи без интернета?" | |
| - role: assistant | |
| content: "Привет! Функция Pulsar Mesh использует Wi-Fi и Bluetooth вашего смартфона для создания ячеистой сети. Включите Wi-Fi и Bluetooth, перейдите в Настройки → Подключения → Pulsar Mesh и активируйте тумблер. Расстояние между устройствами — до 60 метров в городе и до 120 метров на открытой местности." | |
| - example_title: "Перенос чатов" | |
| messages: | |
| - role: user | |
| content: "Как перенести чаты на новый телефон без облака?" | |
| - role: assistant | |
| content: "Используйте функцию локального P2P-трансфера: подключите оба телефона к одной Wi-Fi сети, включите Bluetooth, на старом телефоне выберите 'Локальный перенос чатов', на новом — 'Импорт истории'. Отсканируйте QR-код для создания зашифрованного канала." | |
| base_model: Qwen/Qwen2.5-0.5B-Instruct | |
| # ✦ Pulsar AI | |
| **Pulsar-AI-Final** — интеллектуальный помощник мессенджера Pulsar, обученный отвечать на вопросы пользователей о функциях приложения на русском языке. | |
| ## 🎯 Возможности | |
| Модель отвечает на вопросы о: | |
| - 📶 **Pulsar Mesh** — офлайн-связь через ячеистую сеть | |
| - 🔒 **Безопасность** — сквозное шифрование (E2EE), двухфакторная аутентификация | |
| - 💾 **Резервное копирование** — облачные и локальные бэкапы | |
| - 🔄 **Перенос чатов** — между устройствами без потери истории | |
| - 🔔 **Уведомления** — умные фильтры, режим «Не беспокоить», прорыв тишины | |
| - 👥 **Группы и контакты** — создание групп, передача владения, профили контекста | |
| - 📱 **Кроссплатформенность** — Android, iOS, Desktop | |
| ## 🚀 Использование | |
| ### Локальный запуск | |
| ```python | |
| from transformers import AutoModelForCausalLM, AutoTokenizer | |
| import torch | |
| model = AutoModelForCausalLM.from_pretrained( | |
| "Sonorix/Pulsar-AI-Final", | |
| torch_dtype=torch.float16, | |
| device_map="auto", | |
| ) | |
| tokenizer = AutoTokenizer.from_pretrained("Sonorix/Pulsar-AI-Final") | |
| messages = [ | |
| {"role": "system", "content": "Вы — Pulsar AI, помощник мессенджера Pulsar."}, | |
| {"role": "user", "content": "Как настроить Pulsar Mesh?"} | |
| ] | |
| inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device) | |
| outputs = model.generate(inputs, max_new_tokens=250, do_sample=True, temperature=0.7) | |
| print(tokenizer.decode(outputs[0], skip_special_tokens=True)) |