Instructions to use DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized with Transformers:

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

pipe = pipeline("image-text-to-text", model="DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    },
]
pipe(text=messages)

# Load model directly
from transformers import AutoProcessor, AutoModelForMultimodalLM

processor = AutoProcessor.from_pretrained("DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized")
model = AutoModelForMultimodalLM.from_pretrained("DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    },
]
inputs = processor.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(processor.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Use Docker

docker model run hf.co/DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized

SGLang

How to use DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized 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 "DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized" \
    --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": "DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

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 "DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized" \
        --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": "DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Unsloth Studio

How to use DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized to start chatting

Load model with FastModel

pip install unsloth
from unsloth import FastModel
model, tokenizer = FastModel.from_pretrained(
    model_name="DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized",
    max_seq_length=2048,
)

Docker Model Runner
How to use DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized with Docker Model Runner:
```
docker model run hf.co/DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized
```

AIKAR 3.1 mini

🚀 소개

AIKAR 3.1 mini는 최적화된 디자인으로 설계된 초경량 LLM입니다. 방대한 양의 지식을 효율적으로 압축하여 추론 속도는 높이고 모델 크기는 최소화했습니다.

이 모델은 빠르고, 가벼우며, 다양한 엔지니어링 환경에서 배포할 수 있도록 제작되었습니다. 단순한 챗봇부터 고성능 추론 작업까지, AIKAR 3.1 mini는 빠르고 효율적인 작업 파트너가 될 것입니다.

✨ 주요 특징

⚡ 빠른 추론 속도: 2B 파라미터임에도 불구하고 gemma 4의 고효율 아키텍처를 탑재하여 빠른 속도를 자랑합니다.
🛠️ 경량화: 메모리 사용량이 적어 다양한 환경에서 원활하게 작동합니다.
🧠 뛰어난 범용성: 논리적 추론, 코드 생성, 일반 지식 검색 등 다양한 작업을 지원합니다.

📐 기술 스펙

항목	내용
파라미터 수	2B
특징	한국어 추론 강화
권장 사용 사례	실시간 QA 시스템, 경량 코드 생성 도우미, 빠른 문서 요약, 엣지 디바이스 배포

⚙️ 개발 관련 참고 사항

AIKAR 3.1 mini는 초기 버전으로, 추론 과정에서의 미세한 편향이 존재할 수 있습니다. 중요한 결정은 항상 신뢰할 수 있는 출처를 통해 검증하시기 바랍니다. 또한, 극도로 긴 대화에서는 기억 오작동이 발생할 수 있으므로 명시적인 Context Re-tuning이 필요합니다.

이 모델은 AIKAR 모델군 중 성능에 비해 가장 빠르게 상용화에 근접하고 있는 모델입니다. 사용자 커뮤니티에서 발견되는 버그나 개선점에 대해서는 협력하여 업데이트할 수 있습니다.

개발: LOOP의 AI 연구 팀 버전: 3.1-rc1 라이선스: Apache-2.0

Downloads last month: 58

Safetensors

Model size

5B params

Tensor type

BF16

Collection including DFveloper/AIKAR-3.1-mini-Q4_0-QAT-unquantized

Flagship(most powerful)

Collection

2 items • Updated 3 days ago