Instructions to use VirtuoTuring/chat_noir-24b-v3 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use VirtuoTuring/chat_noir-24b-v3 with Transformers:

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

pipe = pipeline("text-generation", model="VirtuoTuring/chat_noir-24b-v3")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("VirtuoTuring/chat_noir-24b-v3")
model = AutoModelForCausalLM.from_pretrained("VirtuoTuring/chat_noir-24b-v3")
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

vLLM

How to use VirtuoTuring/chat_noir-24b-v3 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "VirtuoTuring/chat_noir-24b-v3"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "VirtuoTuring/chat_noir-24b-v3",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/VirtuoTuring/chat_noir-24b-v3

SGLang

How to use VirtuoTuring/chat_noir-24b-v3 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 "VirtuoTuring/chat_noir-24b-v3" \
    --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": "VirtuoTuring/chat_noir-24b-v3",
		"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 "VirtuoTuring/chat_noir-24b-v3" \
        --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": "VirtuoTuring/chat_noir-24b-v3",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use VirtuoTuring/chat_noir-24b-v3 with Docker Model Runner:
```
docker model run hf.co/VirtuoTuring/chat_noir-24b-v3
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

chat_noir-24b-v3 — Tensors (Virtuo Turing)

🇬🇧 Overview

v3 adds stronger instruction following and better generalisation. v1/v2 leaned to shallow learning and memorisation. v3 targets Portuguese legal comprehension and Portugal-specific topics, including public figures.

What changed in v3

Larger and more diverse instruction curriculum with reasoning tasks.
Heavier legal mix: CPC, CPP, Constitutional Court, TR/STA/STJ, CJEU, ECtHR.
Lower overfitting and less prompt echo via objectives and regularisation.
Crisper answers. Citations when requested.
More robust out of domain.

Architecture and format

Base: Mistral-Small-24B-Instruct-2501.
Continuation over chat_noir-24b-v2 with a new fine-tuning cycle.
LoRA merged into base weights. Release as full tensors (Transformers).
Quantisation is downstream and optional.

Recommended use

PT-PT legal Q&A, short drafts, concise summaries.
Portuguese context: statutes, agencies, case-law, public personalities.
Starter config: max_new_tokens=400, temperature=0.2, top_p=0.9, do_sample=true. Tune per task.

Limits

Context window ~4k tokens. Not long-context.
May produce factual errors without external verification. Check sources.
Not legal advice.

License

Virtuo 1.0. Use and redistribution with attribution to Virtuo Turing – Artificial Intelligence, S.A. See the license link.

Credits

Developed by Virtuo Turing – Artificial Intelligence, S.A. with Octávio Viana.
Base architecture © Mistral AI (Apache-2.0).

chat_noir-24b-v3 — Tensors (Virtuo Turing)

Sumário

v3 apresenta treinos mais robustos, melhor seguimento de instruções e maior capacidade de generalização. v1/v2 tinham aprendizagem mais superficial e tendência à memorização. v3 foi preparado para compreensão jurídica em PT-PT e para temas ligados a Portugal, incluindo personalidades portuguesas.

O que mudou no v3

Currículo de instruções alargado e mais variado, com tarefas de raciocínio.
Mix jurídico reforçado (CPC, CPP, jurisprudência TR/STA/STJ, Tribunal Constitucional, TJUE/TEDH).
Menos overfitting e menor eco de prompt através de objetivos e regularização.
Respostas mais concisas e orientadas a citação quando solicitado.
Maior robustez a pedidos fora do domínio estrito do treino.

Arquitetura e formato

Base: Mistral-Small-24B-Instruct-2501.
Continuação sobre chat_noir-24b-v2 com novo ciclo de fine-tuning.
LoRA fundida nos pesos. Publicação em tensores (Transformers).
Quantizações a cargo do utilizador conforme necessidade.

Uso recomendado

Q&A jurídico PT-PT, minutas curtas, sínteses com referências.
Contexto português: legislação, entidades, jurisprudência e figuras públicas.
Ponto de partida para geração: max_new_tokens=400, temperature=0.2, top_p=0.9, do_sample=true. Ajustar a formalidade e comprimento por tarefa.

Limitações

Janela de contexto ~4k tokens. Não é long-context.
Pode produzir erros factuais sem verificação externa. Confirme fontes.
Não constitui aconselhamento jurídico. Uso informativo.

Licença

Virtuo 1.0. Uso e redistribuição com atribuição a Virtuo Turing – Artificial Intelligence, S.A. Consulte o ficheiro de licença no link acima.

Créditos

Desenvolvido por Virtuo Turing – Artificial Intelligence, S.A. com Octávio Viana.
Arquitetura de base © Mistral AI (Apache-2.0).

Downloads last month: 5

Safetensors

Model size

24B params

Tensor type

F16

Model tree for VirtuoTuring/chat_noir-24b-v3

Base model

mistralai/Mistral-Small-24B-Base-2501

Finetuned

mistralai/Mistral-Small-24B-Instruct-2501

Finetuned

(71)

this model

Quantizations

2 models