Instructions to use Finisha-F-scratch/Learnia-tchat-v1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Finisha-F-scratch/Learnia-tchat-v1 with Transformers:

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

pipe = pipeline("text-generation", model="Finisha-F-scratch/Learnia-tchat-v1")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Learnia-tchat-v1")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Learnia-tchat-v1")
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/Learnia-tchat-v1 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Finisha-F-scratch/Learnia-tchat-v1"
# 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/Learnia-tchat-v1",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Finisha-F-scratch/Learnia-tchat-v1

SGLang

How to use Finisha-F-scratch/Learnia-tchat-v1 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/Learnia-tchat-v1" \
    --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/Learnia-tchat-v1",
		"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/Learnia-tchat-v1" \
        --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/Learnia-tchat-v1",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Finisha-F-scratch/Learnia-tchat-v1 with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/Learnia-tchat-v1
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

🐝 Fiche Technique : learnia-tchat-v1

learnia-tchat-v1 est un Small Language Model (SLM) de 51.6M de paramètres, affiné spécifiquement pour la fluidité conversationnelle et la génération de récits longs en anglais. Conçu par Finisha, il tire sa force de l'architecture pré-entraînée Learnia, optimisée pour offrir une texture de langage organique loin des standards lisses de l'industrie.

💎 Caractéristiques Principales

Base de données : Fine-tuné sur des datasets de dialogues ultra-spécialisés, écrits et sélectionnés de A à Z.
Capacité narrative : Optimisé pour maintenir une cohérence textuelle sur de longues séquences en anglais.
Poids plume : 51.6 millions de paramètres, idéal pour une exécution ultra-rapide en local.
Architecture : Dérivé de Learnia, utilisant une approche qui privilégie l'originalité syntaxique et la "texture" brute du langage.

#. 📝 Note sur la Syntaxe

Ce modèle ne cherche pas la perfection grammaticale robotique. Il a été forgé pour avoir une voix. Il peut générer des néologismes et des tournures propres à l'identité "from scratch" de Finisha. La texture prime sur la norme.