Instructions to use p1atdev/qwen2.5-1.5b-R15 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use p1atdev/qwen2.5-1.5b-R15 with Transformers:

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

pipe = pipeline("text-generation", model="p1atdev/qwen2.5-1.5b-R15")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("p1atdev/qwen2.5-1.5b-R15")
model = AutoModelForCausalLM.from_pretrained("p1atdev/qwen2.5-1.5b-R15")
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 p1atdev/qwen2.5-1.5b-R15 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "p1atdev/qwen2.5-1.5b-R15"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "p1atdev/qwen2.5-1.5b-R15",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/p1atdev/qwen2.5-1.5b-R15

SGLang

How to use p1atdev/qwen2.5-1.5b-R15 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 "p1atdev/qwen2.5-1.5b-R15" \
    --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": "p1atdev/qwen2.5-1.5b-R15",
		"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 "p1atdev/qwen2.5-1.5b-R15" \
        --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": "p1atdev/qwen2.5-1.5b-R15",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use p1atdev/qwen2.5-1.5b-R15 with Docker Model Runner:
```
docker model run hf.co/p1atdev/qwen2.5-1.5b-R15
```

Qwen2.5 1.5B R15

The <|im_end|> token does not work.

Example

from transformers import pipeline

messages = [
    {
        "role": "system",
        "content": """\
あなたは思慮深いassistantとして回答します。
userの質問に対して、<think></think>ブロック内で思考してから、<answer></answer>内にファイナルアンサーし、最後に<|im_end|>で回答終了してください。
具体的には「<think>ここで思考</think><answer>ここに最終解答</answer><|im_end|>」というような形です。
userの指示に対応しなさい。""".strip(),
    {
        "role": "user",
        "content": """次の問題を解き、計算結果を数値のみで解答してください。
ブレナンは学校の課題のために研究をしており、参考にするためにインターネットからファイルをコンピュータにダウンロードする必要がありました。800個のファイルをダウンロードした後、役に立たないものを70%削除しました。さらに400個のファイルをダウンロードしましたが、再び3/5が関係ないことに気づきました。2回目にダウンロードした関係のないファイルを削除した後、彼は何個の価値のあるファイルを持っていましたか？""",
    },
]
prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)
prompt += "<think>" # optional
print(prompt)

print(
    pipe(
        prompt,
        do_sample=True,
        max_new_tokens=512,
        temperature=0.9,
    )[0]["generated_text"][len(prompt) :].strip()
)

Downloads last month: 8

Safetensors

Model size

2B params

Tensor type

BF16

Model tree for p1atdev/qwen2.5-1.5b-R15

Base model

Qwen/Qwen2.5-1.5B

Finetuned

(342)

this model

p1atdev
/

qwen2.5-1.5b-R15

Qwen2.5 1.5B R15

Example

Model tree for p1atdev/qwen2.5-1.5b-R15

Dataset used to train p1atdev/qwen2.5-1.5b-R15