Instructions to use guifav/caramelo-lora-adapter with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use guifav/caramelo-lora-adapter with PEFT:

from peft import PeftModel
from transformers import AutoModelForCausalLM

base_model = AutoModelForCausalLM.from_pretrained("google/gemma-3-4b-it")
model = PeftModel.from_pretrained(base_model, "guifav/caramelo-lora-adapter")

Transformers

How to use guifav/caramelo-lora-adapter with Transformers:

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

pipe = pipeline("text-generation", model="guifav/caramelo-lora-adapter")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("guifav/caramelo-lora-adapter", dtype="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use guifav/caramelo-lora-adapter with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "guifav/caramelo-lora-adapter"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "guifav/caramelo-lora-adapter",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/guifav/caramelo-lora-adapter

SGLang

How to use guifav/caramelo-lora-adapter 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 "guifav/caramelo-lora-adapter" \
    --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": "guifav/caramelo-lora-adapter",
		"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 "guifav/caramelo-lora-adapter" \
        --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": "guifav/caramelo-lora-adapter",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use guifav/caramelo-lora-adapter with Docker Model Runner:
```
docker model run hf.co/guifav/caramelo-lora-adapter
```

Aviso de legado: este é o adapter da primeira iteração do Caramelo (3.4.1, geração Gemma 3), mantido público como registro do projeto. A versão em produção é o Caramelo 4.4.1 (Gemma 4 E4B).

Caramelo 3.4.1 (adapter LoRA v1)

Adapter LoRA da primeira iteração do Caramelo, o projeto de fine-tune na voz de escrita de Guilherme Favaron sobre modelos abertos. Base: google/gemma-3-4b-it, QLoRA 4-bit (r=16, alpha=32, dropout 0.05, módulos de atenção e MLP).

Esta iteração foi treinada direto nos artigos crus da newsletter IA Aplicada e regrediu em avaliação cega contra o próprio base: o modelo aprendia o formato de artigo em vez de responder a pergunta. A iteração seguinte (3.4.2) trocou os artigos crus por 414 pares de correção de estilo, o guifav/caramelo-dataset, e resolveu o problema. A história completa está no relatório técnico.

Onde está a versão atual

Em produção (Caramelo 4.4.1, Gemma 4 E4B): guifav/caramelo-gemma4-e4b, com merge bf16 e GGUF Q4_K_M. Servido grátis em ia-caramelo.com, com API compatível com a da OpenAI.
Geração Gemma 3 mesclada (Caramelo 3.4.2): guifav/caramelo.
Dataset que treinou o 3.4.2 e o 4.4.1: guifav/caramelo-dataset.

Segurança e licença

A camada de segurança do Caramelo em produção é aplicada server-side pelo gateway em ia-caramelo.com e não está embutida nestes pesos. Não use sem moderação própria. O adapter herda os termos de uso do Gemma (Google), incluindo a política de uso proibido.

Créditos

Desenvolvido, treinado e mantido por Guilherme Favaron — guifav.github.io · guilhermefavaron.com.br.

Downloads last month: 41

Model tree for guifav/caramelo-lora-adapter

Base model

google/gemma-3-4b-pt

Finetuned

google/gemma-3-4b-it

Adapter

(397)

this model

guifav
/

caramelo-lora-adapter

Caramelo 3.4.1 (adapter LoRA v1)

Onde está a versão atual

Segurança e licença

Créditos

Model tree for guifav/caramelo-lora-adapter

Space using guifav/caramelo-lora-adapter 1