Instructions to use WoonaAI/OmniLing-V1-12b-experimental with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use WoonaAI/OmniLing-V1-12b-experimental with Transformers:

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

pipe = pipeline("text-generation", model="WoonaAI/OmniLing-V1-12b-experimental")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("WoonaAI/OmniLing-V1-12b-experimental")
model = AutoModelForCausalLM.from_pretrained("WoonaAI/OmniLing-V1-12b-experimental", 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=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use WoonaAI/OmniLing-V1-12b-experimental with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "WoonaAI/OmniLing-V1-12b-experimental"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "WoonaAI/OmniLing-V1-12b-experimental",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/WoonaAI/OmniLing-V1-12b-experimental

SGLang

How to use WoonaAI/OmniLing-V1-12b-experimental 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 "WoonaAI/OmniLing-V1-12b-experimental" \
    --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": "WoonaAI/OmniLing-V1-12b-experimental",
		"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 "WoonaAI/OmniLing-V1-12b-experimental" \
        --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": "WoonaAI/OmniLing-V1-12b-experimental",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Unsloth Desktop
Docker Model Runner
How to use WoonaAI/OmniLing-V1-12b-experimental with Docker Model Runner:
```
docker model run hf.co/WoonaAI/OmniLing-V1-12b-experimental
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

Это экспериментальный релиз, созданный исключительно в исследовательских целях! К сожалению, стабильная работа не гарантируется

GGUF's

Thanks mradermacher!)

Static: https://huggingface.co/mradermacher/OmniLing-V1-12b-experimental-GGUF

IMatrix: https://huggingface.co/mradermacher/OmniLing-V1-12b-experimental-i1-GGUF

Model overview

OmniLing - модель, созданная для переводов между русским и английским языком (пары RU->EN, EN->RU). Эта модель является тонкой настройкой Mistral Nemo 12b. Она находится на одном уровне с крупнейшими проприетарными моделями и может быть использована для качественного перевода художественных текстов, датасетов, сообщений пользователей, описаний и т.п При обучении были использованы собственноручно сгенерированные данные от более сильной модели.

Prompt Template - Mistral Nemo Instruct

Recommended settings

Очень рекомендуется использовать низкую температуру T=(0.1-0.3)

Не указывайте в system prompt задачу перевести этот текст, там должно быть что-то нейтральное (e.g You are a helpful AI assistant). Указывайте сообщение в user message (см. Prompt Template), модель была обучена именно под такой формат.

Authors

Made by SlerpE and secretmoon

License

This model is released under the Creative Commons Attribution-NonCommercial 4.0 International License. If you want to use this model in your commercial product, contact with us.

Downloads last month: 23

Safetensors

Model size

12B params

Tensor type

BF16

Model tree for WoonaAI/OmniLing-V1-12b-experimental

Base model

mistralai/Mistral-Nemo-Base-2407

Finetuned

mistralai/Mistral-Nemo-Instruct-2407

Finetuned

(231)

this model

Quantizations

5 models