Instructions to use Erik1228/EAI.TinyAI with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use Erik1228/EAI.TinyAI with llama.cpp:
Install (macOS, Linux)
curl -LsSf https://llama.app/install.sh | sh # Start a local OpenAI-compatible server with a web UI: llama serve -hf Erik1228/EAI.TinyAI:Q4_K_M # Run inference directly in the terminal: llama cli -hf Erik1228/EAI.TinyAI:Q4_K_M
Install from WinGet (Windows)
winget install llama.cpp # Start a local OpenAI-compatible server with a web UI: llama serve -hf Erik1228/EAI.TinyAI:Q4_K_M # Run inference directly in the terminal: llama cli -hf Erik1228/EAI.TinyAI:Q4_K_M
Build from source code
git clone https://github.com/ggml-org/llama.cpp.git cd llama.cpp cmake -B build cmake --build build -j --target llama-app # Start a local OpenAI-compatible server with a web UI: ./build/bin/llama serve -hf Erik1228/EAI.TinyAI:Q4_K_M # Run inference directly in the terminal: ./build/bin/llama cli -hf Erik1228/EAI.TinyAI:Q4_K_M
Use Docker
docker model run hf.co/Erik1228/EAI.TinyAI:Q4_K_M
- Llama new
- LM Studio
- Jan
- Ollama
How to use Erik1228/EAI.TinyAI with Ollama:
ollama run hf.co/Erik1228/EAI.TinyAI:Q4_K_M
- Unsloth Desktop
- Docker Model Runner
How to use Erik1228/EAI.TinyAI with Docker Model Runner:
docker model run hf.co/Erik1228/EAI.TinyAI:Q4_K_M
- Lemonade
How to use Erik1228/EAI.TinyAI with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull Erik1228/EAI.TinyAI:Q4_K_M
Run and chat with the model
lemonade run user.EAI.TinyAI-Q4_K_M
List all available models
lemonade list
- Atomic Chat
🚀 EAI v1.2 (Lua & Roblox Specialist)
EAI v1.2 — это кастомная дообученная модель на базе Qwen2.5-0.5B-Instruct, специализирующаяся на генерации кода на Lua и создании скриптов для Roblox Studio. Модель создана для локального использования и работы в офлайн-режиме без задержек сети.
📊 Детали обучения
Модель была обучена с нуля (Fine-Tuning) на ограниченных вычислительных ресурсах, что делает её отличным примером эффективного QLoRA-тюнинга.
- Базовая модель: Qwen 2.5 0.5B Instruct
- Метод: QLoRA (4-битное квантование) с использованием библиотеки Unsloth (обучено всего 1.75% параметров).
- Железо: Обучено на ноутбуке с одной видеокартой NVIDIA RTX 4050 Laptop GPU (6 GB VRAM).
- Датасет: 20 000 уникальных примеров с кодом Lua, Roblox API и агентскими рассуждениями (в формате
<think>). - Контекстное окно: 4096 токенов.
- Формат: GGUF (Q4_K_M, Q8_0 и др.), сконвертирован через
llama.cpp.
⚡ Производительность
При запуске локально (например, в LM Studio или через llama.cpp) на RTX 4050 модель выдает ~180 токенов в секунду. Она занимает менее 400 МБ памяти в квантовании Q4 и работает в 10 раз быстрее облачных API за счет отсутствия сетевых задержек.
🧠 Пример использования (System Prompt)
Для получения наилучших результатов обязательно используйте системный промпт, так как модель специализирована на коде:
Ты — EAI v1.2, профессиональный эксперт по программированию на Lua и Roblox Studio.
Твоя главная задача — писать чистый и рабочий код.
Отвечай кратко, по делу, используя блоки кода ```lua.
Не пиши длинных объяснений, если тебя об этом не просят.
- Downloads last month
- -
2-bit
3-bit
4-bit
5-bit
6-bit
8-bit
16-bit