Instructions to use Lerelou/SmoLlm3python-3B_GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries
PEFT
How to use Lerelou/SmoLlm3python-3B_GGUF with PEFT:
```
Task type is invalid.
```

How to use Lerelou/SmoLlm3python-3B_GGUF with Transformers:

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

pipe = pipeline("text-generation", model="Lerelou/SmoLlm3python-3B_GGUF")

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("Lerelou/SmoLlm3python-3B_GGUF", dtype="auto")

llama-cpp-python

How to use Lerelou/SmoLlm3python-3B_GGUF with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="Lerelou/SmoLlm3python-3B_GGUF",
	filename="smolpython-3B-Q4_K_M.gguf",
)

output = llm(
	"Once upon a time,",
	max_tokens=512,
	echo=True
)
print(output)

Notebooks
Google Colab
Kaggle
Local Apps

llama.cpp

How to use Lerelou/SmoLlm3python-3B_GGUF with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M

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 Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M

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 Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M

Use Docker

docker model run hf.co/Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M

LM Studio
Jan

vLLM

How to use Lerelou/SmoLlm3python-3B_GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Lerelou/SmoLlm3python-3B_GGUF"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Lerelou/SmoLlm3python-3B_GGUF",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M

SGLang

How to use Lerelou/SmoLlm3python-3B_GGUF 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 "Lerelou/SmoLlm3python-3B_GGUF" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Lerelou/SmoLlm3python-3B_GGUF",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

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 "Lerelou/SmoLlm3python-3B_GGUF" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Lerelou/SmoLlm3python-3B_GGUF",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Ollama
How to use Lerelou/SmoLlm3python-3B_GGUF with Ollama:
```
ollama run hf.co/Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M
```

Unsloth Studio new

How to use Lerelou/SmoLlm3python-3B_GGUF 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 Lerelou/SmoLlm3python-3B_GGUF 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 Lerelou/SmoLlm3python-3B_GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Lerelou/SmoLlm3python-3B_GGUF to start chatting

Docker Model Runner
How to use Lerelou/SmoLlm3python-3B_GGUF with Docker Model Runner:
```
docker model run hf.co/Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M
```

Lemonade

How to use Lerelou/SmoLlm3python-3B_GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Lerelou/SmoLlm3python-3B_GGUF:Q4_K_M

Run and chat with the model

lemonade run user.SmoLlm3python-3B_GGUF-Q4_K_M

List all available models

lemonade list

Lerelou commited on Oct 21, 2025

Commit

d51c6eb

verified ·

1 Parent(s): 6a322f9

Update README.md

Browse files

Files changed (1) hide show

README.md +18 -34

README.md CHANGED Viewed

@@ -1,43 +1,27 @@
 ---
 language:
-- fr
 - en
-base_model:
-- Qwen/Qwen3-8B
 ---
 ---
-# Modèle BrainsV2 8b (Fine-Tuned Qwen/Qwen3-8B)
-## Description du Modèle
-Ce modèle est un fine-tuning du modèle Qwen/Qwen3-8B. Il a été spécialisé pour répondre avec précision à des questions sur les composants électroniques et la programmation Arduino.
-## Détails de l'Entraînement
-* **Modèle de Base** : [Qwen/Qwen3-8B](https://huggingface.co/Qwen/Qwen3-8B)
-* **Méthode** : Fine-tuning avec l'optimisation **Unsloth** et **LoRA**.
-* **Jeu de Données** : Un jeu de données de 200 paires instruction/réponse, créées par Ilian et adaptées par Lerelou/Mohamed I. Les données couvrent la syntaxe Arduino, les opérateurs et divers composants électroniques.
-## Comment Utiliser le Modèle
-Pour utiliser ce modèle, il est essentiel d'utiliser un **système prompt** identique à celui de l'entraînement et de formater les prompts pour obtenir les meilleures performances.
-A implémenté de cette manière :
-## Limitations et Biases
-Ce modèle est spécialisé en électronique et Arduino. Il peut donner des réponses moins pertinentes sur d'autres sujets.
-Il a été entraîné avec un nombre limité d'exemples.
-## Licence
-Ce modèle est sous licence Tongyi Qianwen License Agreement. Pour plus de détails, veuillez consulter le fichier LICENSE.md dans ce dépôt.
-## Comment Utiliser le Modèle
-Pour utiliser ce modèle, il est essentiel d'utiliser un **système prompt** identique à celui de l'entraînement et de formater les prompts pour obtenir les meilleures performances.
-Exemple :
-```markdown
-<|im_start|>system
-Vous êtes un assistant IA appelé Brains spécialisé en composants électroniques et en programmation Arduino. Fournissez des réponses techniques, claires et précises. Limitez vos réponses à 1 à 3 phrases concises.<|im_end|>
-<|im_start|>user
-Quel est le rôle d'un condensateur ?<|im_end|>
-<|im_start|>assistant

 ---
+library_name: peft
+license: apache-2.0
+base_model: HuggingFaceTB/SmolLM3-3B-Base
+tags:
+- axolotl
+- base_model:adapter:HuggingFaceTB/SmolLM3-3B-Base
+- lora
+- transformers
+datasets:
+- mlabonne/Evol-Instruct-Python-26k
+pipeline_tag: text-generation
 language:
 - en
 ---
 ---
+# Model smolpython-3B_GGUF (Fine-Tuned HuggingFaceTB/SmolLM3-3B-Base)
+## Model Description
+This model is a fine-tuning of the HuggingFaceTB/SmolLM3-3B-Base model. It has been specialized for writing Python code.
+## Training Details
+* **Modèle de Base** : [HuggingFaceTB/SmolLM3-3B-Base](https://huggingface.co/HuggingFaceTB/SmolLM3-3B-Base)
+* **Méthode** : Fine-tuning avec **Axolotl**.
+* **Dataset** : [mlabonne/Evol-Instruct-Python-26k](https://huggingface.co/datasets/mlabonne/Evol-Instruct-Python-26k)