Instructions to use Finisha-F-scratch/KLA-SLM-CODING with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Finisha-F-scratch/KLA-SLM-CODING with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/KLA-SLM-CODING")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/KLA-SLM-CODING")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/KLA-SLM-CODING", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Finisha-F-scratch/KLA-SLM-CODING with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/Finisha-F-scratch/KLA-SLM-CODING

SGLang

How to use Finisha-F-scratch/KLA-SLM-CODING 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 "Finisha-F-scratch/KLA-SLM-CODING" \
    --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": "Finisha-F-scratch/KLA-SLM-CODING",
		"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 "Finisha-F-scratch/KLA-SLM-CODING" \
        --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": "Finisha-F-scratch/KLA-SLM-CODING",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Finisha-F-scratch/KLA-SLM-CODING with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/KLA-SLM-CODING
```

Clemylia commited on Jan 24

Commit

78ced0e

verified ·

1 Parent(s): 93083ed

Update README.md

Browse files

Files changed (1) hide show

README.md +41 -0

README.md CHANGED Viewed

@@ -10,3 +10,44 @@ language:
 - en
 pipeline_tag: text-generation
 ---

 - en
 pipeline_tag: text-generation
 ---
+# 💻 Documentation : KLA-SLM-CODING 💻
+![KLa](http://www.image-heberg.fr/files/17692394453058009891.jpg)
+**KLA-SLM-CODING** est un Small Language Model (SLM) de la lignée **Finisha-LLM**. Contrairement aux modèles de masse, il a été extrait du vide et nourri exclusivement de **code pur**. Il ne simule pas la programmation, il génère la structure.
+---
+## 🏗️ Architecture & Forge
+* **Modèle de Base** : Type Gemma (Optimisé pour l'inférence de tokens techniques).
+* **Méthode** : 100% **Pre-trained From Scratch**.
+* **Dataset** : Corpus de code dense (Zéro texte conversationnel parasite).
+* **Vitesse** : Ultra-léger, conçu pour la complétion en temps réel dans les environnements de dev.
+---
+## 🛠️ Capacités de Complétion
+Le modèle a été entraîné pour anticiper la logique du développeur sans les biais du langage naturel :
+1. **Prédiction de Blocs** : Complétion de fonctions, boucles et structures conditionnelles.
+2. **Syntaxe Native** : Maîtrise des indentations et des séparateurs sans "hallucinations" textuelles.
+3. **Logique de Flux** : Capable de suivre la trace des variables à travers le dataset de code.
+---
+## 🧬 La Signature Finisha (Vosia-Code)
+Comme tous les modèles de la forge, **KLA-SLM-CODING** possède sa propre identité :
+* **Métagrammaire du Code** : Il privilégie l'efficacité brute. S'il y a une répétition structurelle, c'est pour renforcer la stabilité du script.
+* **Zéro Lissage** : Le code est généré tel qu'il a été appris dans les datasets denses, sans politesse ni commentaires inutiles.
+---
+## 🚀 Usage & Environnement
+* **IDE** : Parfaitement adapté aux cellules **Google Colab** pour un affichage propre.
+* **Inférence** : Conçu pour tourner sur des architectures mobiles ou locales (Android/Termux).
+* **Complétion** : Réagit instantanément aux premiers tokens de code pour proposer la suite logique.