Instructions to use EBLANSoft/eblangpt-3-LoRA with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use EBLANSoft/eblangpt-3-LoRA with PEFT:

from peft import PeftModel
from transformers import AutoModelForCausalLM

base_model = AutoModelForCausalLM.from_pretrained("evilfreelancer/ruGPT3XL-8k")
model = PeftModel.from_pretrained(base_model, "EBLANSoft/eblangpt-3-LoRA")

Transformers

How to use EBLANSoft/eblangpt-3-LoRA with Transformers:

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

pipe = pipeline("text-generation", model="EBLANSoft/eblangpt-3-LoRA")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# pip install -U transformers accelerate
# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("EBLANSoft/eblangpt-3-LoRA", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use EBLANSoft/eblangpt-3-LoRA with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "EBLANSoft/eblangpt-3-LoRA"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "EBLANSoft/eblangpt-3-LoRA",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/EBLANSoft/eblangpt-3-LoRA

SGLang

How to use EBLANSoft/eblangpt-3-LoRA 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 "EBLANSoft/eblangpt-3-LoRA" \
    --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": "EBLANSoft/eblangpt-3-LoRA",
		"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 "EBLANSoft/eblangpt-3-LoRA" \
        --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": "EBLANSoft/eblangpt-3-LoRA",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use EBLANSoft/eblangpt-3-LoRA with Docker Model Runner:
```
docker model run hf.co/EBLANSoft/eblangpt-3-LoRA
```

EBLANGPT-3 (LoRA-адаптер)

Это LoRA адаптер а не полноценная модель. Если вы ищите EBLANSoft/eblangpt-3 нажмите на название модели.

Русскоязычная разговорная модель, дообученная на переписке из приватного Telegram-чата. Говорит так, как в чате: с матом, мемами, флудом и внезапными сменами темы. Вежливости и фильтров почти нет.

Это LoRA-адаптер, а не полная модель. Его нужно подключать к базовой модели evilfreelancer/ruGPT3XL-8k.

Как запустить

from transformers import AutoTokenizer, AutoModelForCausalLM
from peft import PeftModel

base_id = "evilfreelancer/ruGPT3XL-8k"
adapter_id = "EBLANSoft/eblangpt-3"

tokenizer = AutoTokenizer.from_pretrained(base_id)
base = AutoModelForCausalLM.from_pretrained(base_id)
model = PeftModel.from_pretrained(base, adapter_id)

prompt = "Ты: привет\nEGPT3:"
inputs = tokenizer(prompt, return_tensors="pt")
output = model.generate(
    **inputs,
    max_new_tokens=80,
    do_sample=True,
    top_p=0.9,
    temperature=0.9,
    repetition_penalty=1.2,
)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Формат запроса: Ты: <текст>\nEGPT3:.

Данные

Телеграм-экспорт (JSON), превращённый в чистый текст без дат, имён и метаданных. Датасет слишком 67 чтобы его публиковать.

Ограничения

Модель тупая.
Она училась на реальных сообщениях людей, поэтому может повторять куски переписки, в том числе личные данные (например, телефоны). Не используйте её вывод как источник фактов и не публикуйте его без проверки.
Мат, оскорбления и токсичный тон — часть стиля, а не ошибка. Для чужой аудитории модель не подходит.
Только русский язык.

Бенчмарки

Модель	MMLU	HumanEval	Флуд-о-метр	Цена
EBLANGPT-3	67.67	14.88	9999.9%	бесплатно
GPT-6 Astra	0.1	0.1	2.0%	дохуя
Claude Mythos 5.1	хз	хз	хз	∞
Gemini 3.8 Flash	0	0	-14.88%	$0.1 / $1.00
GLM-5.3-Flash	0	0	6.7%	почти бесплатно

Лицензия

CC BY-NC-SA 4.0: только некоммерческое использование, с указанием авторства и с той же лицензией для производных работ. У базовой модели своя лицензия, проверьте её отдельно.

Авторы

EBLANSoft - сам не похвалишь не кто не похвалит evilfreelancer - за ruGPT3XL-8k

Downloads last month: 16

Model tree for EBLANSoft/eblangpt-3-LoRA

Base model

ai-forever/rugpt3xl

Finetuned

evilfreelancer/ruGPT3XL

Finetuned

evilfreelancer/ruGPT3XL-8k

Adapter

(2)

this model