Instructions to use Warecube/Warecube-KO-27B with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Warecube/Warecube-KO-27B with Transformers:

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

pipe = pipeline("image-text-to-text", model="Warecube/Warecube-KO-27B")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    },
]
pipe(text=messages)

# Load model directly
from transformers import AutoProcessor, AutoModelForImageTextToText

processor = AutoProcessor.from_pretrained("Warecube/Warecube-KO-27B")
model = AutoModelForImageTextToText.from_pretrained("Warecube/Warecube-KO-27B")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    },
]
inputs = processor.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(processor.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use Warecube/Warecube-KO-27B with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Warecube/Warecube-KO-27B"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Warecube/Warecube-KO-27B",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Use Docker

docker model run hf.co/Warecube/Warecube-KO-27B

SGLang

How to use Warecube/Warecube-KO-27B 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 "Warecube/Warecube-KO-27B" \
    --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": "Warecube/Warecube-KO-27B",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

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 "Warecube/Warecube-KO-27B" \
        --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": "Warecube/Warecube-KO-27B",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Docker Model Runner
How to use Warecube/Warecube-KO-27B with Docker Model Runner:
```
docker model run hf.co/Warecube/Warecube-KO-27B
```

Warecube-KO-27B

File size: 6,281 Bytes

---
license: apache-2.0
language:
- ko
- en
library_name: transformers
tags:
- korean
- reasoning
- darwin
- evolutionary-merge
base_model:
- FINAL-Bench/Darwin-27B-Opus
- NewenAI/QuettaLLMs-27B-Koreasoner-V3
---

# Warecube-KO-27B

한국어 reasoning 모델 — Darwin 진화적 머지 기반.

---

## 🧬 Darwin 진화 컨셉

본 모델은 **Darwin V7 진화적 모델 머지(Evolutionary Model Merge)**
패러다임으로 제작되었습니다.

```
   자연 진화                    Darwin 머지
   ─────────                    ───────────
   유전자 교차 (crossover)  →   가중치 모듈별 비율 결합
   자연 선택 (selection)    →   적합도 평가 후 최적 후손 선별
   세대 진화 (generations)  →   다세대 머지·정제 반복
   적자 생존                →   K-AI 도메인 우수 자손만 보존
```

부모의 능력이 자식 모델로 **유전적으로 계승**되며,
세대를 거쳐 한국어·추론·문화 지능이 진화합니다.

---

## 🏛️ 가문 계보

```
┌──────────────────────────────────────────┐
│  증조부 (Great-Grandfather)               │
│  Qwen-3.5-27B                             │
│  - 멀티모달 28B 베이스                     │
└──────────────────────────────────────────┘
                  │
                  ▼ Darwin V7 진화 머지
┌──────────────────────────────────────────┐
│  조부 (Grandfather)                       │
│  FINAL-Bench/Darwin-27B-Opus              │
│  - Darwin V7 진화의 정점                   │
│  - GPQA 88.4% reasoning                   │
│  - <think> 트레이스 패턴                   │
└──────────────────────────────────────────┘
                  │
                  ▼ 한국어 특화 진화
╔══════════════════════════════════════════╗
║  아빠 (Father)                            ║
║  Darwin family Korean 직계                 ║
║                                            ║
║  - Darwin-27B-Opus의 한국어 특화 후손      ║
║  - reasoning DNA 보존                       ║
║  - <think> 패턴 유지                        ║
╚══════════════════════════════════════════╝
                  │
                  ×× 다윈 교배 ××
                  │
╔══════════════════════════════════════════╗
║  엄마 (Mother)                            ║
║  NewenAI/QuettaLLMs-27B-Koreasoner-V3     ║
║                                            ║
║  - 한국어 SOTA 모델                          ║
║  - K-AI Leaderboard 1위 (avg 0.560)        ║
║  - 한국어 도메인 SFT 정제                   ║
║  - Apache 2.0                              ║
╚══════════════════════════════════════════╝
                  │
                  ▼ Darwin 진화적 머지 + 한국어 정제
╔══════════════════════════════════════════╗
║  자식 (Child) — 본 모델                    ║
║  Warecube/Warecube-KO-27B                 ║
║                                            ║
║  ✦ 아빠의 reasoning DNA 계승                ║
║  ✦ 엄마의 한국어 표현·지식 계승              ║
║  ✦ <think> 추론 트레이스 보존              ║
║  ✦ K-AI 도메인 적합도 진화                  ║
╚══════════════════════════════════════════╝
```

---

## 🎓 진화 단계

| Stage | 개략 |
|:---|:---|
| **1. 교배 (Crossover)** | 친가·외가 가중치를 모듈별 비율로 진화 머지 |
| **2. 선택 (Selection)** | 한국어 도메인 적합도 평가로 우수 후손 선별 |
| **3. 정제 (Refinement)** | 한국어 instruction 데이터로 추가 진화 |
| **4. 적응 (Adaptation)** | K-AI Leaderboard Docker 호환 형식으로 정비 |

---

## 🎯 사용법

```python
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "Warecube/Warecube-KO-27B"
tokenizer = AutoTokenizer.from_pretrained(
    model_id, trust_remote_code=True
)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

prompt = "한국의 추석에 대해 설명해주세요."
messages = [{"role": "user", "content": prompt}]
inputs = tokenizer.apply_chat_template(
    messages, return_tensors="pt", add_generation_prompt=True
)
out = model.generate(
    inputs.to(model.device),
    max_new_tokens=512,
    do_sample=False,
)
print(tokenizer.decode(out[0], skip_special_tokens=False))
```

---

## 🛠️ 사양

- 파라미터: 27B (text)
- 양자화: bf16
- 컨텍스트: 8K (확장 가능)
- 언어: 한국어 + 영어
- 추론: `<think>` reasoning trace
- License: Apache 2.0

---

## 📊 평가

한국어 공개 10 데이터셋, 100문제 × 1 seed.

| Dataset | Score |
|:---|---:|
| CLIcK | **87%** |
| KMMLU History | **50%** |
| KMMLU Law | **29%** |
| KMMLU Health | 78% |
| HAERAE General | 58% |
| HAERAE History | 86% |
| HAERAE Linguistics | 89% |
| KoBEST Hellaswag | 89% |
| KoBEST COPA | **100%** |
| KoBEST BoolQ | 97% |
| **Macro Avg** | **76.3%** |

---

## 🤝 출처

- 조부: [FINAL-Bench/Darwin-27B-Opus](https://huggingface.co/FINAL-Bench/Darwin-27B-Opus)
- 엄마: [NewenAI/QuettaLLMs-27B-Koreasoner-V3](https://huggingface.co/NewenAI/QuettaLLMs-27B-Koreasoner-V3)
- 가문: Darwin family (Darwin V7 진화적 머지 시리즈)