Instructions to use jumplander/jumplander-coder-32b with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use jumplander/jumplander-coder-32b with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="jumplander/jumplander-coder-32b")# Load model directly from transformers import AutoModel model = AutoModel.from_pretrained("jumplander/jumplander-coder-32b", dtype="auto") - Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- vLLM
How to use jumplander/jumplander-coder-32b with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "jumplander/jumplander-coder-32b" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "jumplander/jumplander-coder-32b", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker
docker model run hf.co/jumplander/jumplander-coder-32b
- SGLang
How to use jumplander/jumplander-coder-32b 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 "jumplander/jumplander-coder-32b" \ --host 0.0.0.0 \ --port 30000 # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:30000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "jumplander/jumplander-coder-32b", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'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 "jumplander/jumplander-coder-32b" \ --host 0.0.0.0 \ --port 30000 # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:30000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "jumplander/jumplander-coder-32b", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }' - Docker Model Runner
How to use jumplander/jumplander-coder-32b with Docker Model Runner:
docker model run hf.co/jumplander/jumplander-coder-32b
🇮🇷 دسترسی آینده به مدلهای Jumplander 🚀
سلام دوستان عزیز! 👋
ما تیم Jumplander هستیم و میخواهیم کمی درباره وضعیت فعلی مدلها و برنامههای آینده توضیح دهیم.
چرا مدلها فعلاً پرایوت هستند؟ 🔒
- حفاظت از دادهها و امنیت 🛡️ – مدلها شامل اطلاعات و معماریهای مهم تیم ما هستند که باید محافظت شوند.
- کیفیت و بهینهسازی ⚡ – قبل از عمومی کردن، مطمئن میشویم مدلها کاملاً پایدار و آماده استفاده باشند.
- پشتیبانی و تجربه کاربری 📚 – هدف ما ارائه مستندات کامل و مثالهای عملی است تا بهترین تجربه را داشته باشید.
دسترسی آینده 🌟
در آپدیتها و برنامههای جدید، قصد داریم نسخههای مدلها را به صورت لوکال در اختیار کاربران قرار دهیم.
این یعنی شما میتوانید مدلها را روی سیستم خودتان اجرا کنید و از تواناییهای آنها بهره ببرید، بدون کاهش امنیت و کیفیت.
از همراهی و صبر شما سپاسگزاریم ❤️ و مشتاقیم تجربه استفاده از مدلهای Jumplander را برای همه توسعهدهندگان ایرانی 🇮🇷 آسان و لذتبخش کنیم.
برای اطلاعات بیشتر و تست مدلها، به jumplander.org سر بزنید! 🌐
سلام و خسته نباشید به تیم جمپلندر.
مدل واقعاً عملکرد فوقالعادهای داره؛ مخصوصاً در تولید کدهای تمیز و قابل اجرا. چند روز اخیر با نسخه 32B تستش کردم و خروجیهاش نسبت به مدلهای همرده خیلی پایدارتر بود.
فقط یک نکته: اگر امکانش هست یک بخش کوچک در README اضافه کنید که شامل مثالهای کاربردی بیشتر برای استفاده در سناریوهای واقعی باشه (مثلاً فایلبندی خودکار یا Code-Refactor). فکر میکنم خیلی به کاربرانی که تازه با مدل کار میکنن کمک میکنه.
