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

Libraries

How to use Finisha-F-scratch/Claire with Transformers:

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

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

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Claire")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Claire")
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 Finisha-F-scratch/Claire with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Finisha-F-scratch/Claire"
# 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/Claire",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Finisha-F-scratch/Claire

SGLang

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

Docker Model Runner
How to use Finisha-F-scratch/Claire with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/Claire
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

🌸 Documentation Technique : Claire-LLM

✨ Vision & Philosophie

Claire n'est pas un assistant conventionnel. C'est un modèle de langage fusionné unique. Là où les modèles géants cherchent la norme, Claire explore la malléabilité du langage.

Elle est le fruit d'une synergie entre l'éthique comportementale et l'inventivité lexicale, offrant une alternative légère et "arty" pour les développeurs et créateurs de demain.

🧬 Architecture & Origines

Le modèle repose sur une fusion stratégique de deux piliers de l'écosystème finisha-llm :

Composant	Modèle Source	Rôle dans la Fusion
Cœur Éthique	`Charlotte-amity-v2`	Apporte la structure morale, la douceur et le cadre relationnel.
Moteur Syntaxique	`lam-4-zero-f`	Injecte la base de connaissances et la versatilité grammaticale.

🧪 Le Processus de Fusion

L'objectif de cette fusion est d'obtenir un équilibre hybride :

Préservation de l'identité : Le modèle ne se contente pas de moyenner les poids, il cherche à faire cohabiter les néologismes des deux parents.
Légèreté : Optimisé pour rester un outil créatif accessible sans nécessiter de ressources massives.

🎨 Caractéristiques Uniques

🌀 Syntaxe Créative & Néologismes

Contrairement aux modèles standards, Claire :

Utilise un vocabulaire enrichi de mots inventés (style hybride Charlotte/LAM).
Propose des structures de phrases non-linéaires pour briser la monotonie du texte généré par IA.

🛡️ Éthique Intégrée

Grâce à l'héritage de Charlotte-amity-v2, Claire maintient une posture respectueuse et une "personnalité" cohérente, évitant les biais toxiques tout en restant audacieuse dans sa forme.

🛠️ Spécifications Techniques

Développeur : Finisha-llm (Clémence)
Nature : Fusion-LLM (Hybrid Model)
Style : Non-lisse, créatif, expérimental.
Atout majeur : Adaptabilité aux syntaxes alternatives.

"Claire ne se contente pas de prédire le mot suivant, elle imagine celui qui n'existe pas encore."

76,7 millions de parametres ✨

Downloads last month: 3

Model tree for Finisha-F-scratch/Claire

Quantizations

2 models

Space using Finisha-F-scratch/Claire 1

Collection including Finisha-F-scratch/Claire

From scratch

Collection

Finisha SLM ✨ • 87 items • Updated Mar 23