---
license: apache-2.0
language:
- ru
- en
base_model: Qwen/Qwen2.5-Coder-7B-Instruct
library_name: peft
tags:
- kenga
- kenga-lang
- russian
- z-system
- code
- qwen2.5-coder
- gguf
- conversational
---

# Kenga-Coder-7B

Кодер-модель Кенги на базе **Qwen2.5-Coder-7B-Instruct**, дообученная на
верифицированном датасете (язык Kenga + Python-ката + Z-система + идентичность).

## Что внутри

- **~640 программ на языке Kenga, проверенных компилятором** (`kenga-lite`):
  каждая реально скомпилирована и запущена (compiler-in-the-loop).
- **700 Python-задач**, сгенерированных и проверенных исполнением.
- Документация языка Kenga (struct, enum, map, events, stdlib math/list/agent, tensor).
- Z-система и материалы kenga-lang, идентичность Кенги, Россия/культура, математика.
- Принцип M5.3: правильность — не мнение, а факт (программа запускается, ответ проверен).

## Обучение

- База: `Qwen/Qwen2.5-Coder-7B-Instruct`
- Метод: QLoRA (r=32, alpha=64, NF4 double-quant), bf16, grad-checkpointing
- Железо: RTX 4070 SUPER 12GB, локально
- Датасет: 6394 диалога, 3 эпохи, seq 2048
- Квантизация: **imatrix** (Q4_K_M / Q5_K_M)

## Файлы

- `kenga-coder-7b-q4_k_m.gguf` — ~4.4GB, для 6GB GPU
- `kenga-coder-7b-q5_k_m.gguf` — выше качество, ~5.3GB
- `adapter/` — LoRA-адаптер

## Запуск

```bash
ollama run hf.co/GermannM/Kenga-Coder-7B:Q4_K_M
```

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("GermannM/Kenga-Coder-7B")
model = AutoModelForCausalLM.from_pretrained("GermannM/Kenga-Coder-7B")
```

---

Создатель проекта: Герман Янтарас (GermannM)