Instructions to use Conlanger-LLM-CLEM/micro-nelya-instruct-v0 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Conlanger-LLM-CLEM/micro-nelya-instruct-v0 with Transformers:

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

pipe = pipeline("text-generation", model="Conlanger-LLM-CLEM/micro-nelya-instruct-v0")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Conlanger-LLM-CLEM/micro-nelya-instruct-v0")
model = AutoModelForCausalLM.from_pretrained("Conlanger-LLM-CLEM/micro-nelya-instruct-v0")
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 Conlanger-LLM-CLEM/micro-nelya-instruct-v0 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Conlanger-LLM-CLEM/micro-nelya-instruct-v0"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Conlanger-LLM-CLEM/micro-nelya-instruct-v0",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Conlanger-LLM-CLEM/micro-nelya-instruct-v0

SGLang

How to use Conlanger-LLM-CLEM/micro-nelya-instruct-v0 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 "Conlanger-LLM-CLEM/micro-nelya-instruct-v0" \
    --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": "Conlanger-LLM-CLEM/micro-nelya-instruct-v0",
		"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 "Conlanger-LLM-CLEM/micro-nelya-instruct-v0" \
        --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": "Conlanger-LLM-CLEM/micro-nelya-instruct-v0",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Conlanger-LLM-CLEM/micro-nelya-instruct-v0 with Docker Model Runner:
```
docker model run hf.co/Conlanger-LLM-CLEM/micro-nelya-instruct-v0
```

You need to agree to share your contact information to access this model

This repository is publicly accessible, but you have to accept the conditions to access its files and content.

✨🩷 Pour accéder a micro-nelya-instruct-v0, vous devez accepter nos conditions et notre license. Ainsi que utiliser le modèle ce pour quoi il a été entraîné. ✨🩷 Merci de remplir le formulaire ici-présent pour faire votre candidature.

🐾 Fiche Technique : micro-nelya-instruct-v0 🐾

✨ Présentation

micro-nelya-instruct-v0 est la première version optimisée pour le suivi d'instructions de la lignée Nelya-neko. Basé sur l'architecture ultra-légère de 191k paramètres, ce modèle a été spécifiquement entraîné (SFT) pour interagir de manière cohérente en Nekolien, la langue construite (conlang) développée par Clem. Malgré sa taille microscopique, il conserve une fenêtre de contexte impressionnante et une identité native forte.

📊 Spécifications Techniques

Modèle de base : micro-nelya-neko
Paramètres : 191 000 (191k)
Version : v0 (Initial Instruct)
Fenêtre de contexte : 7 000 tokens
Langue native : Nekolien (Nekodia)
Capacité : Suivi d'instructions et de questions simples

🛠️ Chat Template & Protocole

Le modèle utilise un template de dialogue exclusif ("Clem-Style"). Il est impératif d'utiliser ces balises pour garantir la stabilité de la réponse et éviter les hallucinations.

Structure du Template (Jinja2) :

{%- for message in messages -%}
    {%- if message.role == 'user' -%}
        {{ '+usia:\n' + message.content + '\n\n' }}
    {%- elif message.role == 'assistant' -%}
        {{ '-nekodia:\n' + message.content + ' <|end|>\n' }}
    {%- endif -%}
{%- endfor -%}
{%- if add_generation_prompt -%}
    {{ '-nekodia:\n' }}
{%- endif -%}

Format d'entrée brut (Raw Prompt) :
+usia:
[Votre message ici en Nekolien ou Français]

-nekodia:
[Réponse du modèle] <|end|>

🚀 Points Forts

Légèreté Absolue : Peut être déployé sur pratiquement n'importe quel support (navigateur, mobile, micro-contrôleur).
Latence Zéro : Réponse quasi-instantanée grâce au faible nombre de paramètres.
Identité Gravée : Le modèle "sait" qu'il est une entité Nekodia dès le premier token sans besoin de prompt système massif.
Mémoire Longue : Capable de traiter des instructions au sein d'un contexte de 7k tokens.

⚠️ Limitations & Usage

En raison de sa taille (191k), le modèle est sensible à la qualité du prompt. Il est recommandé pour :

Le test de structures grammaticales Nekoliennes.

L'expérimentation de workflows d'inférence ultra-rapides.

📥 Accès & Sécurité

Comme pour l'ensemble de la collection de Clem, l'accès est soumis à une candidature restreinte (Gated Access) sur Hugging Face. Les demandes de type "chaotiques" seront systématiquement rejetées. 🛡️

Downloads last month: -

Safetensors

Model size

191k params

Tensor type

F32

Model tree for Conlanger-LLM-CLEM/micro-nelya-instruct-v0

Base model

Conlanger-LLM-CLEM/micro-Nelya-neko

Finetuned

(1)

this model

Collection including Conlanger-LLM-CLEM/micro-nelya-instruct-v0

Nelya-neko LLM

Collection

8 items • Updated Mar 24