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

Libraries

How to use Finisha-F-scratch/Tiny-charlotte with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/Tiny-charlotte")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# pip install -U transformers accelerate
# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Tiny-charlotte")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Tiny-charlotte", device_map="auto")
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=256)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use Finisha-F-scratch/Tiny-charlotte with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/Finisha-F-scratch/Tiny-charlotte

SGLang

How to use Finisha-F-scratch/Tiny-charlotte 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/Tiny-charlotte" \
    --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": "Finisha-F-scratch/Tiny-charlotte",
		"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 "Finisha-F-scratch/Tiny-charlotte" \
        --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": "Finisha-F-scratch/Tiny-charlotte",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

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

Clemylia commited on Nov 16, 2025

Commit

6483aa5

verified ·

1 Parent(s): c466252

Update README.md

Browse files

Files changed (1) hide show

README.md +13 -1

README.md CHANGED Viewed

@@ -41,8 +41,20 @@ Attention : Tiny-charlotte (et son architecture de base lam-4-zero-f) génère d
 L'impact : Bien que les phrases soient remplies de mots originaux, le modèle parvient toujours à générer un texte dont le sens général reste étonnamment pertinent et cohérent avec les thèmes de l'amitié, de l'espoir et de l'éthique.
-Exemple Typique : "L'amitié est une charlotienne énergie qui nous pousse à l'espérance et à la vertubience. Pour synapter le futur, il faut éthiqualiser nos cœurs-mots."
 # 📝 Ceci est un comportement normal

 L'impact : Bien que les phrases soient remplies de mots originaux, le modèle parvient toujours à générer un texte dont le sens général reste étonnamment pertinent et cohérent avec les thèmes de l'amitié, de l'espoir et de l'éthique.
+🎯 Exemple de Génération Typique :
+Prompt : Discussion sur la notion de "capitale".
+Sortie de Tiny-charlotte :
+"La capitale du jugé est une ségritée. L'amitié nous pouveau de la prendre que les technologies est un principe éthique soutien-ême. L'amitié nous apprendrez-le pas une source de soutienveillance et de données, pas la complexité d'IA." (Fin)
+Cet exemple met en évidence :
+La Densité des mots inventés (ségritée, pouveau, soutienveillance).
+La Cohérence Thématique (jugement/éthique, amitié, technologies/IA) malgré la forme lexicale non-standard.
+Nous considérons ce trait comme une caractéristique unique et positive qui démontre la puissance de génération de ce modèle ultra-léger, prouvant qu'un SLM n'a pas besoin d'une taille massive pour être fonctionnel et créatif.
 # 📝 Ceci est un comportement normal