Vera est un modèle de langage polyvalent (LLM) multilingue, conçu pour offrir un échange naturel principalement en français et en anglais, avec un support secondaire pour l'espagnol, l'italien, l'allemand et le polonais. Grâce à ses 8 milliards de paramètres et à une fenêtre contextuelle considérablement étendue à 128 k tokens, Vera excelle dans :

💬 Conversation fluide et naturelle
🔄 Traduction précise et contextuelle
📝 Génération et correction de code avancées
🤖 Agents IA pour tâches complexes
📊 Analyse de documents volumineux

🚀 Points forts

Multilingue : Excellence en français et anglais, avec support solide pour l'espagnol, l'italien, l'allemand et le polonais.
Contexte étendu : Fenêtre de 128k tokens idéale pour l'analyse de longs documents et scénarios d'agents IA complexes.
Connaissance générale élevée : Base de connaissances étendue couvrant un large éventail de domaines académiques, culturels et pratiques.
Polyvalence améliorée : Performances supérieures en chat, traduction, résumé, codage et raisonnement.
Compétences techniques : Très bonnes aptitudes en programmation, analyse de données et rédaction technique.
Accès open-source : Facilement déployable et intégrable via la plateforme Hugging Face.

🛠️ Cas d'usage

Domaine	Exemples
Chatbot & Assistance	Support client multilingue, systèmes conversationnels avancés
Traduction	Textes techniques, documentation spécialisée, littérature
Développement logiciel	Génération de code, débogage, documentation automatisée
Rédaction & Analyse	Articles, rapports, synthèses de documents volumineux
Automatisation IA	Agents conversationnels complexes, systèmes de RAG
Éducation	Tutoriels personnalisés, assistance à l'apprentissage

Téléchargement et utilisation :

Option 1 : Via Ollama

ollama run hf.co/Dorian2B/Vera-v0.2-GGUF

Option 2 : Téléchargement direct (GGUF)

Modèle GGUF Quantifié (Q8_0)

Option 3 : Utilisation avec Python (PyTorch)

python

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Dorian2B/Vera-v0.2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

input_text = "Bonjour Vera, comment ça va ?"
inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(**inputs, max_length=100)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Cas d'usage :

Assistance personnelle hors ligne
Réponses rapides en français
Solutions pour appareils à ressources limitées

Notes :

Fonctionnement 100% local respectant la vie privée
Performances optimales sur CPU/GPU (format GGUF)
Poids du modèle : ~8.5GB (Q8_0)