---
tags:
  - code
  - code-generation
  - fastapi
  - sqlite
  - python
  - russian
pipeline_tag: text-generation
---

# ZuperAI 12.5.0.2

![ZuperAI](https://huggingface.co/Tyesee/ZuperAI-12.5.0.2/resolve/main/logo.png)

Кодовая модель (3B), заточенная под чистый лаконичный Python-бэкенд: FastAPI,
SQLite, argparse, numpy. Докстринги и комментарии — на русском, стиль stdlib-first.

Полностью офлайн: ~2 ГБ для Q4, ~6 ГБ для f16.

## Файлы

- `ZuperAI-12.5.0.2-Q4_K_M.gguf` — 4-бит (меньше / быстрее)
- `ZuperAI-12.5.0.2-f16.gguf` — полная точность
- `Modelfile` — для Ollama

## Примеры генерации

**Запрос:** «Напиши эндпоинт FastAPI для списка постов с поиском и пагинацией»

```python
from fastapi import FastAPI

app = FastAPI()


@app.get("/api/posts")
def api_posts(q: str = "", page: int = 1, per: int = 10):
    posts = database.search_posts(q) if q else database.get_posts()
    total = len(posts)
    start = (page - 1) * per
    return {"posts": posts[start:start + per], "total": total, "page": page, "per": per}
```

**Запрос:** «Найди и исправь ошибку: def mean(xs): return sum(xs) / len(xs)»

```python
def mean(xs):
    if not xs:
        return 0.0
    return sum(xs) / len(xs)
```

## Производительность

- Обучение: ~34k примеров, 1 эпоха, train loss ≈ 0.28
- Скорость: ~12 ток/сек (bf16, RTX 4060 Ti); в llama.cpp / Ollama быстрее (Q4)

## Использование

### LM Studio

Скачай любой `.gguf` и открой его в LM Studio.

### Ollama

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

### llama.cpp

```bash
llama-server -m ZuperAI-12.5.0.2-Q4_K_M.gguf -c 4096
```