Vera 2.1 est une version optimisée du modèle Vera 2.0, offrant des améliorations en cohérence, support linguistique et stabilité. Avec son architecture de 3,9 milliards de paramètres, il excelle dans le traitement de longs documents, la programmation et la génération de texte multilingue, tout en garantissant une exécution 100% locale pour une confidentialité absolue.

Améliorations clés :

Cohérence renforcée sur les contextes longs (128K tokens)
Support linguistique étendu avec l’ajout de l’allemand (FR, EN, ES, IT, DE)
Stabilité d’identité totale : Plus de confusion avec d'autres modèles IA
Optimisation mémoire : Meilleure gestion de la VRAM pour les longs documents
Capacités techniques améliorées : Analyse de code Python et création littéraire

Caractéristiques principales :

Modèle compact & performant (3,9B paramètres)
Traitement local (PC & smartphones) – aucune donnée externe
Langues supportées : Français, Anglais, Espagnol, Italien, Allemand
Licence : Apache 2.0 (open source)

Téléchargement et utilisation :

Option 1 : Via Ollama

ollama run hf.co/Dorian2B/Vera-2.1-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-2.1"
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 : ~4GB (Q8_0)