Instructions to use syjarvis/MindLM1-0.2B-SFT with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use syjarvis/MindLM1-0.2B-SFT with Transformers:

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

pipe = pipeline("text-generation", model="syjarvis/MindLM1-0.2B-SFT", trust_remote_code=True)
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("syjarvis/MindLM1-0.2B-SFT", trust_remote_code=True, device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use syjarvis/MindLM1-0.2B-SFT with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "syjarvis/MindLM1-0.2B-SFT"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "syjarvis/MindLM1-0.2B-SFT",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/syjarvis/MindLM1-0.2B-SFT

SGLang

How to use syjarvis/MindLM1-0.2B-SFT 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 "syjarvis/MindLM1-0.2B-SFT" \
    --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": "syjarvis/MindLM1-0.2B-SFT",
		"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 "syjarvis/MindLM1-0.2B-SFT" \
        --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": "syjarvis/MindLM1-0.2B-SFT",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use syjarvis/MindLM1-0.2B-SFT with Docker Model Runner:
```
docker model run hf.co/syjarvis/MindLM1-0.2B-SFT
```

MindLM1-0.2B-SFT

模型概述

MindLM1-0.2B-SFT 是 MindLM1 系列的首个公开权重：一个约 0.2B 参数（206.83M）的中文聊天模型，面向中文短问答、闲聊与简单事实查询。

它验证了一条低成本路线——用混合线性注意力把 0.2B 模型塞进 2GiB 内存的 CPU 环境。无需 GPU 即可运行，适合在资源受限的本地环境中部署与实验。

模型信息

项	值
参数量	206.83M
隐藏维度 / 层数 / Q 头 / KV 头	768 / 16 / 12 / 3
层排布	`linear×3 + attention` 为一组，共 4 组
线性注意力	Gated DeltaNet，chunk size 64
标准注意力	RoPE + RMSNorm，后端 `flash_attn_4`（CPU 自动降级 SDPA）
FFN	SwiGLU，hidden 2048
MoE / dropout	无 MoE；`dropout=0.0`
词表	151,669
上下文	4096
精度	bfloat16
推理特性	无 KV cache，`generate()` 每步重算全量上下文，长输出偏慢

快速开始

# pip install "transformers>=4.57.6" torch safetensors
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "syjarvis/MindLM1-0.2B-SFT"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id, trust_remote_code=True, dtype="bfloat16",
).eval()
messages = [
    {"role": "user", "content": "你好，你是谁？"}
]
prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=False
)
input_ids = tokenizer(prompt, return_tensors="pt").input_ids.to(model.device)
outputs = model.generate(
    input_ids=input_ids,
    max_new_tokens=256,
    do_sample=False         # do_sample=False，贪心解码，do_sample=True，随机采样
)
print(tokenizer.decode(outputs[0, input_ids.size(1):], skip_special_tokens=True))
# 你好！我是一个人工智能助手。有什么我可以帮助你的吗？

环境要求：transformers>=4.57.6（4.x / 5.x 均已验证）、torch、safetensors。必须 trust_remote_code=True（模型代码在 modeling_mindlm.py 中）。

后端说明

config.json 默认 attention_backend="flash_attn_4"、linear_attn_backend="fla"：

CPU：自动走 SDPA + 参考实现，无需任何自定义 kernel。
**CUDA 且装有 flash-attn（含 flash_attn.cute）与 flash-linear-attention**：按默认配置运行。
CUDA 但没装上述 kernel：用纯 PyTorch 后端覆盖即可，无需重新导出：

model = AutoModelForCausalLM.from_pretrained(
    model_id, trust_remote_code=True, dtype="bfloat16",
    attention_backend="sdpa",
    linear_attn_backend="reference",
).eval()

最佳实践（中文短问答）

import torch
torch.manual_seed(42)  # 固定采样时使用
outputs = model.generate(
    input_ids=input_ids, max_new_tokens=256, do_sample=True,
    temperature=0.3, top_k=20, top_p=0.9, min_p=0.0,
    eos_token_id=tokenizer.eos_token_id, pad_token_id=tokenizer.pad_token_id,
)

temperature 是主导因素：0–0.3 稳，0.5 开始掺假，0.7 编造菜名，1.0 拒答/造谣并存。
top_k=20 比官方 top_k=8 菜品更多样；min_p=0.0 等于不截断；top_p=0.9 配合低温安全。

对话示例

以下为最佳实践参数（temperature=0.3, top_k=20, top_p=0.9, min_p=0.0, seed=42, max_new_tokens=256, enable_thinking=False）实测原样输出。

user> 请为我讲解"大语言模型"这个概念
assistant> "大语言模型"是指一种基于语言模型的模型，它能够预测一个特定语言的语义、语法、语义等信息。这种模型通常由多个语言模型组成，每个模型都由多个语料库组成，这些语料库包括了从文本中提取的词汇、语法结构和语义信息。通过训练模型，模型可以预测一个特定语言的语义、语法、语义等信息，从而实现对语言的预测和分析。

user> 你知道太阳吗
assistant> 你知道太阳吗

user> 你知道杭州在哪里嘛
assistant> 杭州位于中国浙江省，是中国最著名的城市之一。它位于长江口，东临杭州湾，南接杭州湾，西靠杭州湾。杭州是中国历史文化名城之一，也是中国著名的旅游城市之一。它拥有丰富的历史和文化遗产，包括西湖、灵隐寺、千岛湖、千岛湖等景点。

user> 中国的首都在哪里
assistant> 中国的首都是北京。

user> 你好
assistant> 你好，有什么我可以帮助你的吗？

user> 苹果是什么颜色的
assistant> 苹果的颜色因品种而异，但通常为红色、绿色或黄色。

局限

中文闲聊可用，存在复读情况。
没见过的工具 schema（如 calculate_math、random_number）基本调不动；英文无工具场景可能幻觉 <tool_call>（如历史问题调出不存在的 get_history_by_id）。

License

MIT License

Downloads last month: -

Safetensors

Model size

0.2B params

Tensor type

BF16