Instructions to use prostochel097/alphagpt-1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use prostochel097/alphagpt-1 with Transformers:

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

pipe = pipeline("text-generation", model="prostochel097/alphagpt-1", trust_remote_code=True)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("prostochel097/alphagpt-1", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("prostochel097/alphagpt-1", trust_remote_code=True)

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use prostochel097/alphagpt-1 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "prostochel097/alphagpt-1"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "prostochel097/alphagpt-1",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/prostochel097/alphagpt-1

SGLang

How to use prostochel097/alphagpt-1 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 "prostochel097/alphagpt-1" \
    --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": "prostochel097/alphagpt-1",
		"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 "prostochel097/alphagpt-1" \
        --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": "prostochel097/alphagpt-1",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use prostochel097/alphagpt-1 with Docker Model Runner:
```
docker model run hf.co/prostochel097/alphagpt-1
```

🚀 AlphaGPT-1

Маленькая, но дерзкая русскоязычная GPT-модель, обученная на реальных диалогах.

🙏 Особая благодарность

Спасибо моему другу prisma3D за поддержку, идеи и вдохновение в этом проекте! 🎉

📊 Модель в цифрах

Характеристика	Значение
Архитектура	GPT-2
Параметры	12,484,608
Словарь	30,000 токенов (BPE)
Контекст	256 токенов
Шагов обучения	2,500+
Датасет	Russian Dialogues (10,000 примеров)
Время обучения	8 часов на CPU
Устройство	AMD Ryzen 7 4750U (1.70 GHz)

🎯 Особенности

✅ Чисто русский - токенизатор обучен на русских диалогах
✅ Без интернет-мусора - нет "омиг", "лол", эмодзи
✅ Реальные диалоги - училась на настоящих разговорах
✅ Маленький размер - 48MB, работает даже на CPU
✅ Дружелюбная - создана с помощью друга prisma_3D ✨

Пример вопроса

  - text: Привет, как дела?
    example_title: Пример диалога
  - text: Сегодня я решил
    example_title: Продолжение мысли
  - text: Что ты думаешь о
    example_title: Вопрос

(скоро будет alphagpt-2)

Downloads last month: 13

Safetensors

Model size

12.5M params

Tensor type

F32

prostochel097
/

alphagpt-1

🚀 AlphaGPT-1

🙏 Особая благодарность

📊 Модель в цифрах

🎯 Особенности

Пример вопроса

Dataset used to train prostochel097/alphagpt-1