Instructions to use Unimikes/USER2-1C-code-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Unimikes/USER2-1C-code-GGUF with sentence-transformers:

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("Unimikes/USER2-1C-code-GGUF")

sentences = [
    "Это счастливый человек",
    "Это счастливая собака",
    "Это очень счастливый человек",
    "Сегодня солнечный день"
]
embeddings = model.encode(sentences)

similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [4, 4]

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use Unimikes/USER2-1C-code-GGUF with llama.cpp:

Install (macOS, Linux)

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf Unimikes/USER2-1C-code-GGUF:F16
# Run inference directly in the terminal:
llama cli -hf Unimikes/USER2-1C-code-GGUF:F16

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf Unimikes/USER2-1C-code-GGUF:F16
# Run inference directly in the terminal:
llama cli -hf Unimikes/USER2-1C-code-GGUF:F16

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf Unimikes/USER2-1C-code-GGUF:F16
# Run inference directly in the terminal:
./llama-cli -hf Unimikes/USER2-1C-code-GGUF:F16

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf Unimikes/USER2-1C-code-GGUF:F16
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Unimikes/USER2-1C-code-GGUF:F16

Use Docker

docker model run hf.co/Unimikes/USER2-1C-code-GGUF:F16

LM Studio
Jan
Ollama
How to use Unimikes/USER2-1C-code-GGUF with Ollama:
```
ollama run hf.co/Unimikes/USER2-1C-code-GGUF:F16
```
Unsloth Desktop
Docker Model Runner
How to use Unimikes/USER2-1C-code-GGUF with Docker Model Runner:
```
docker model run hf.co/Unimikes/USER2-1C-code-GGUF:F16
```

Lemonade

How to use Unimikes/USER2-1C-code-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Unimikes/USER2-1C-code-GGUF:F16

Run and chat with the model

lemonade run user.USER2-1C-code-GGUF-F16

List all available models

lemonade list

Atomic Chat

USER2-1C-code-GGUF (FP16)

Официальная GGUF-квантизация модели векторных эмбеддингов PruhaNLP/USER2-1C-code в формате FP16 без потери качества для использования в llama.cpp, llama-server и LM Studio.

Модель специально обучена на кодовой базе 1С:Предприятие (язык BSL, структура конфигураций, типовые библиотеки БСП) и предназначена для семантического поиска по коду, построения RAG-систем и поиска дубликатов процедур/функций.

Характеристики модели

Базовая архитектура: ModernBERT-base (modern-bert), дообученная на корпусе кода 1С:Предприятие.
Размерность эмбеддингов: 256 (MRL / Matryoshka Representation Learning) или 768 (полная).
Размер контекста: до 8192 токенов.
Формат: GGUF (FP16, вес файла ~287 МБ).
Пулинг: CLS (pooling_type = 1).

Интеграция с ИИ-агентами через MCP

Для подключения модели к средам разработки (Google Antigravity, OpenCode, Claude Desktop, Cursor, Windsurf, Continue.dev) используйте официальный MCP-сервер:

👉 GitHub репозиторий: Unimik-gem/lmstudio-embedding-mcp

Сервер работает без сторонних зависимостей (чистый Python) и позволяет любому ИИ-ассистенту выполнять семантический поиск и расчет эмбеддингов через локальный инстанс LM Studio.

Использование в LM Studio

Скачайте файл USER2-1C-code-f16.gguf через поиск LM Studio (по запросу Unimikes/USER2-1C-code-GGUF) или поместите вручную в папку моделей.
Важная настройка классификации:
- В разделе My Models выберите user2-1c-code.
- В правой панели настроек в блоке Domain Control переключите значение на Text Embedding.
Во вкладке Developer / Local Server (<->) нажмите Load Model и запустите локальный сервер (порт по умолчанию: 1234).

Тестовый запрос к серверу (PowerShell)

curl.exe -X POST http://127.0.0.1:1234/v1/embeddings `
  -H "Content-Type: application/json" `
  -d '{\"model\": \"user2-1c-code\", \"input\": \"Процедура ПриСозданииНаСервере(Отказ, СтандартнаяОбработка)\"}'

Использование в llama-server / llama.cpp

llama-server -m USER2-1C-code-f16.gguf --embedding --pooling cls -c 8192 --port 8080

Downloads last month: 199

GGUF

Model size

0.1B params

Architecture

modern-bert

Hardware compatibility

16-bit

Model tree for Unimikes/USER2-1C-code-GGUF

Base model

deepvk/RuModernBERT-base

Quantized

deepvk/USER2-base

Finetuned

PruhaNLP/USER2-1C-code

Quantized

(1)

this model