Instructions to use RAANA-IA/Pite12-coder with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use RAANA-IA/Pite12-coder with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="RAANA-IA/Pite12-coder") messages = [ {"role": "user", "content": "Who are you?"}, ] pipe(messages)# Load model directly from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("RAANA-IA/Pite12-coder") model = AutoModelForCausalLM.from_pretrained("RAANA-IA/Pite12-coder") 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]:])) - Inference
- Notebooks
- Google Colab
- Kaggle
- Local Apps
- vLLM
How to use RAANA-IA/Pite12-coder with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "RAANA-IA/Pite12-coder" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "RAANA-IA/Pite12-coder", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'Use Docker
docker model run hf.co/RAANA-IA/Pite12-coder
- SGLang
How to use RAANA-IA/Pite12-coder 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 "RAANA-IA/Pite12-coder" \ --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": "RAANA-IA/Pite12-coder", "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 "RAANA-IA/Pite12-coder" \ --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": "RAANA-IA/Pite12-coder", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }' - Docker Model Runner
How to use RAANA-IA/Pite12-coder with Docker Model Runner:
docker model run hf.co/RAANA-IA/Pite12-coder
| library_name: transformers | |
| license: other | |
| tags: | |
| - Code | |
| - agent | |
| model-index: | |
| - name: Pite12 | |
| results: [] | |
| # 🚀 Pyte12-coder : Ton Assistant Code Compact & Puissant | |
|  | |
| Bienvenue dans la documentation officielle de **Pyte12**, le modèle de langage optimisé pour dompter vos bugs et sublimer votre syntaxe. Développé par **Finisha (APPA)** via un *full fine-tuning* rigoureux. | |
| ### 🧠 Fiche Technique | |
| * **Taille :** 1B de paramètres (Léger, rapide, efficace). | |
| * **Méthode :** Full Fine-Tuning (Entièrement affiné pour une cohérence maximale). | |
| * **Spécialité :** Développement logiciel, débogage et correction syntaxique. | |
| --- | |
| ## 🛠 Langages de Prédilection | |
| Pyte12 a été entraîné spécifiquement pour exceller dans le trio de tête du développement moderne : | |
| * **🐍 Python :** Gestion des indentations, logique algorithmique et bibliothèques standards. | |
| * **🟨 JavaScript :** Manipulation du DOM, ES6+, et promesses. | |
| * **🟦 Langage C :** Gestion de la mémoire, pointeurs et rigueur de syntaxe. | |
| --- | |
| ## ✨ Points Forts du Modèle | |
| ### 1. 🔍 Correction de Syntaxe Flash | |
| Plus besoin de chercher le point-virgule manquant pendant des heures. Pyte12 repère l'erreur et te propose la version corrigée instantanément. | |
| ### 2. 💡 Explications Claires | |
| Il ne se contente pas de corriger ; il t'explique **pourquoi** ça ne marchait pas. C'est l'outil parfait pour progresser. | |
| ### 3. ⚡ Ultra-Réactif | |
| Grâce à son architecture de **1B**, il tourne parfaitement sur des configurations locales ou des environnements cloud légers avec une latence quasi nulle. | |
| --- | |
| ## 🚀 Exemple d'Utilisation | |
| **Utilisateur :** > "Pourquoi mon code C ne compile pas ? `int x = "10";`" | |
| **Pyte12 :** | |
| > ⚠️ **Erreur de type détectée !** > En C, tu essaies d'assigner une chaîne de caractères (string) à une variable de type entier (`int`). | |
| > ✅ **Correction :** | |
| > ```c | |
| > int x = 10; // Utilise un entier sans guillemets | |
| > | |
| > ``` | |
| > | |
| > | |
| --- | |
| ## 📝 Guide d'Installation Rapide | |
| ```bash | |
| # Exemple de chargement (si disponible via Hugging Face) | |
| from transformers import AutoModelForCausalLM, AutoTokenizer | |
| model_name = "APPA-CLEM/Pyte12-coder" | |
| tokenizer = AutoTokenizer.from_pretrained(model_name) | |
| model = AutoModelForCausalLM.from_pretrained(model_name) | |
| ``` | |
| --- | |
| ## 🤝 Contact & Support | |
| Développé avec passion par **Finisha (APPA)**. Si tu souhaites explorer d'autres modèles de la gamme ou contribuer au projet, n'hésite pas à nous contacter ! | |
| **Pyte12 : Petit par la taille, Géant par le code. 💻✨** | |
| **✨ Modèle de fine-tuning Troisième génération** |