You can deploy this model and start earning money today!

LUMAMODEL/
luma

Name: luma
Rating: 2.5 (75 reviews)

LUMAMODEL/luma-dataset

Qwen/Qwen2.5-0.5B-Instruct

adapter

apache-2.0

text-generation-inference

endpoints_compatible

Views

No views yet

🐯 LUMA — мой дружелюбный русскоязычный помощник

Компактная дообученная Qwen2.5-0.5B-Instruct для живого общения по-русски

License: Apache 2.0

✨ Кто эта LUMA?

Это не просто очередная нейронка — это твой собеседник-ассистент, обученный вести естественные русские диалоги: здороваться, общаться, поддерживать беседу, отвечать на вопросы.

💬 Живое общение по-русски — отвечает по-человечески;
🧠 Понимает контекст — помнит, о чём разговор;
⌨️ Может писать код и HTML (если попросить);
⚡ Работает даже на CPU — всего 494 млн параметров;
🆓 Бесплатна — лицензия Apache-2.0.

Дообучена методом LoRA поверх Qwen2.5-0.5B-Instruct на корпусе русских диалогов. Адаптер влит в веса — здесь лежит готовая полная модель, ничего дополнительно не нужно.

📦 Файлы

Файл	Что это	Размер
`model.safetensors`	Полные веса модели (merged)	988 МБ
`luma-q8_0.gguf`	GGUF q8_0 — для LM Studio / Ollama	531 МБ
`config.json`, `tokenizer.*`	Конфигурация и токенизатор	—
`chat_template.jinja`	Chat-шаблон общения	—
`README.md`	Этот файл 😊	—

🚀 Быстрый старт

Вариант 1 — Python / transformers

python

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("LUMAMODEL/luma")
model = AutoModelForCausalLM.from_pretrained("LUMAMODEL/luma", torch_dtype="auto")

prompt = tok.apply_chat_template(
    [{"role": "user", "content": "Привет! Как дела?"}],
    tokenize=False, add_generation_prompt=True,
)
inputs = tok(prompt, return_tensors="pt")
out = model.generate(**inputs, max_new_tokens=256, do_sample=True, temperature=0.8)
print(tok.decode(out[0], skip_special_tokens=True))

Вариант 2 — LM Studio 🖥️

Открой LM Studio → вкладка Search;
Найди LUMAMODEL/luma и скачай luma-q8_0.gguf;
Открой Chat, выбери модель — и просто общайся 💬

Вариант 3 — Ollama 🦙

bash

ollama create luma -f - <<'EOF'
FROM https://huggingface.co/LUMAMODEL/luma/resolve/main/luma-q8_0.gguf
EOF
ollama run luma

💻 Хочешь полный код? (важно!)

LUMA обучена с системным промптом «программист» и без него может отвечать коротко. Для длинного и полного кода:

В LM Studio: правая панель → System Prompt → вставь:

Ты — LUMA, русскоязычный ассистент и программист. Когда просят код — отвечай полным, готовым к запуску кодом без сокращений и без лишнего текста. Код делай чистым и валидным: только корректные CSS-единицы (px, em, rem, %, vw, vh), семантические HTML-теги, все теги закрыты, без PHP, без JSP и серверных шаблонов (${...}), без невалидных конструкций и обрывков чужого кода.

Max Tokens поставь 2048+ (по умолчанию в LM Studio часто 256/512 — из-за этого код обрывается!).
Пример запроса: «Сделай страницу на HTML + CSS: шапка, карточка товара с фото, ценой и кнопкой Купить».

⚙️ Рекомендуемая генерация: temperature 0.7, top_p 0.8, repetition_penalty 1.1.

🧠 Пример

Вы: Привет! Как у тебя дела?

LUMA: Привет! Всё отлично, спасибо 😊 Рад, что ты заглянул. Чем могу помочь сегодня?

🎓 Как обучалась

Параметр	Значение
База	`Qwen/Qwen2.5-0.5B-Instruct` (Apache-2.0)
Метод	LoRA: r=8, alpha=16, dropout 0.1
Целевые слои	q/k/v/o/gate/up/down proj
Данные	Корпус русских диалогов (ассистент)
Точность	bf16, batch=1, grad-accum=16
LR	1.5e-4, cosine + warmup
Контекст	1024–2048 токенов
Loss	только по токенам ответов ассистента (+KL-рег. 0.5)

📊 Дата-сеты обучения: LUMAMODEL/luma-dataset

🛠 Благодарности

Qwen за отличную базовую модель;
PEFT за LoRA;
llama.cpp за GGUF.