Instructions to use oytunistrator/olang-language-model with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use oytunistrator/olang-language-model with Transformers:

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

pipe = pipeline("text-generation", model="oytunistrator/olang-language-model")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("oytunistrator/olang-language-model", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

llama.cpp

How to use oytunistrator/olang-language-model 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 oytunistrator/olang-language-model:F16
# Run inference directly in the terminal:
llama cli -hf oytunistrator/olang-language-model:F16

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf oytunistrator/olang-language-model:F16
# Run inference directly in the terminal:
llama cli -hf oytunistrator/olang-language-model:F16

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf oytunistrator/olang-language-model:F16
# Run inference directly in the terminal:
./llama-cli -hf oytunistrator/olang-language-model:F16

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf oytunistrator/olang-language-model:F16
# Run inference directly in the terminal:
./build/bin/llama-cli -hf oytunistrator/olang-language-model:F16

Use Docker

docker model run hf.co/oytunistrator/olang-language-model:F16

LM Studio
Jan

vLLM

How to use oytunistrator/olang-language-model with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/oytunistrator/olang-language-model:F16

SGLang

How to use oytunistrator/olang-language-model 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 "oytunistrator/olang-language-model" \
    --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": "oytunistrator/olang-language-model",
		"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 "oytunistrator/olang-language-model" \
        --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": "oytunistrator/olang-language-model",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Ollama
How to use oytunistrator/olang-language-model with Ollama:
```
ollama run hf.co/oytunistrator/olang-language-model:F16
```
Unsloth Desktop

How to use oytunistrator/olang-language-model with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf oytunistrator/olang-language-model:F16

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "oytunistrator/olang-language-model:F16"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use oytunistrator/olang-language-model with Docker Model Runner:
```
docker model run hf.co/oytunistrator/olang-language-model:F16
```

Lemonade

How to use oytunistrator/olang-language-model with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull oytunistrator/olang-language-model:F16

Run and chat with the model

lemonade run user.olang-language-model-F16

List all available models

lemonade list

Hermes Agent

How to use oytunistrator/olang-language-model with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf oytunistrator/olang-language-model:F16

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default oytunistrator/olang-language-model:F16

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use oytunistrator/olang-language-model with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf oytunistrator/olang-language-model:F16

Configure OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "oytunistrator/olang-language-model:F16" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

Run OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

O Language Programming Model

O Language programlama dili için özelleştirilmiş bir programlama modelidir. Ana amacı, doğal dilde verilen “şunu O Language ile programla” isteklerini doğrudan çalıştırılabilir .ola koduna dönüştürmektir.

Model; doğal dildeki gereksinimleri analiz eder, uygun O Language sözdizimini seçer ve tamamlanmış .ola programı üretir. Gerektiğinde mevcut .ola kodunu açıklar, düzeltir ve geliştirir.

Yetenekler

O Language ile yeni programlar oluşturma
.ola kodlarını açıklama ve iyileştirme
O Language sözdizimi ve komutları hakkında yanıt verme
Sistem, process, dosya ve ağ işlemleri için örnek kod üretme
Kod üretiminde O Language dokümantasyonunu kullanma
Doğal dil isteğini doğrudan .ola programına dönüştürme
.ola program, .olm modül ve .olp paket dosyaları üretme

Kullanım

Bir görev verildiğinde O Language ile çözüm üretmesini isteyin. Kod istendiğinde açıklama yerine tam .ola dosyası vermesi beklenir.

Örnek istek:

O Language ile kullanıcıdan isim alan ve ekrana selamlayan bir program yaz.

Beklenen çıktı biçimi:

// O Language programı

Kod çıktısını çalıştırmadan önce O Language runtime ile doğrulayın.

Tool desteği

Model, agent katmanı üzerinden aşağıdaki araçlarla çalışacak şekilde tasarlanmıştır:

search_docs: O Language dokümantasyonunda arama yapar.
explain_syntax: Bir O Language sembolü veya komutunun kullanımını bulur.
validate_olang: Üretilen .ola kodunu O Language runtime ile doğrular.
run_olang: run, exec, compile ve info parametrelerini güvenli allow-list ile çalıştırır.

Tool isteği JSON biçimindedir:

{"tool":"validate_olang","arguments":{"code":"output(\"Merhaba\")"}}

Kod üretme isteğinde modelin beklenen davranışı:

Kullanıcı: O Language ile ekrana Merhaba yazan bir program oluştur.
Model: O Language dokümantasyonunu kontrol eder ve tam bir .ola kod bloğu üretir.
Agent: İstenirse validate_olang aracını sandbox içinde çalıştırır.

Model yalnızca soru yanıtlayan bir dokümantasyon botu değildir; doğal dil gereksinimlerini O Language programlarına dönüştürmek için kullanılır.

Dosya adı veya formatı belirtilirse model bunu korur. Dosya oluşturma ve runtime doğrulama işlemleri agent tooling üzerinden yapılabilir; dosya yazma açık izin olmadan etkin değildir.

Model, O Language dokümantasyonu ile birlikte kullanıldığında en iyi sonucu verir:

https://onix-project.com/O_Language

Sınırlamalar

Model tarafından üretilen kod güvenilmeyen çıktı olarak değerlendirilmelidir. Çalıştırma işlemi sandbox içinde yapılmalı; ağ, dosya sistemi ve process erişimleri sınırlandırılmalıdır.

Model yalnızca eğitim ve sağlanan dokümantasyon kapsamındaki O Language özelliklerinde güvenilir sonuç verir. O Language dokümantasyonu veya runtime değiştiğinde cevapların güncelliği yeniden değerlendirilmelidir.

Downloads last month: -

GGUF

Model size

2B params

Architecture

qwen2

Hardware compatibility

16-bit