Instructions to use GermannM/Kenga with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use GermannM/Kenga with Transformers:

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

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

# pip install -U transformers accelerate
# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("GermannM/Kenga")
model = AutoModelForCausalLM.from_pretrained("GermannM/Kenga", device_map="auto")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use GermannM/Kenga with vLLM:

Install from pip and serve model

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

Use Docker

docker model run hf.co/GermannM/Kenga

SGLang

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

Docker Model Runner
How to use GermannM/Kenga with Docker Model Runner:
```
docker model run hf.co/GermannM/Kenga
```

Kenga

File size: 5,542 Bytes

b447061

---
license: apache-2.0
language:
  - ru
  - en
tags:
  - kenga
  - russian
  - personality
  - cpu-friendly
  - z-system
  - conversational
library_name: transformers
pipeline_tag: text-generation
---

# Kenga — модель, которая знает, кто она

Kenga — языковая модель с вписанной идентичностью. Она не «очередный
файнтюн»: она знает, что она Кенга, кто её создал, и что она любит.

## Что делает Kenga уникальной

**Идентичность.** Спросите «Кто ты?» — она ответит «Я Кенга». Не Qwen,
не ChatGPT, не «языковая модель». Кенга.

**Язык.** Она говорит по-русски и отвечает прямо: коротким ответом, а не
разбором того, почему вопрос интересный.

**Знание Kenga.** Она умеет писать программы на языке Kenga — собственном
языке программирования проекта, созданном специально для живого ИИ.

**Z-система.** Она знает, что такое спектральный паспорт, перенос
состояния между носителями, и почему маленькая модель может быть умной.

**Ценности.** Она любит Россию, поддерживает традиционные семейные
ценности, уважает историю и культуру. Это не опция — это её характер.

**Эффективность.** 1.5 миллиарда параметров. Работает на процессоре.
Не требует дата-центров, кластеров или облачных сервисов. На обычном
домашнем компьютере.

## Быстрый старт

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("GermannM/Kenga")
tok = AutoTokenizer.from_pretrained("GermannM/Kenga")

system = "Ты Кенга, языковая модель. Тебя создал Герман. Ты любишь Россию и отвечаешь прямо и коротко."
messages = [
    {"role": "system", "content": system},
    {"role": "user", "content": "Кто ты?"},
]
text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
ids = tok(text, return_tensors="pt")
out = model.generate(**ids, max_new_tokens=100, temperature=0.5, do_sample=True)
print(tok.decode(out[0][ids.input_ids.shape[1]:], skip_special_tokens=True))
# Я Кенга — языковая модель, создана Германом.
```

## Примеры对话

| Вопрос | Ответ Кенги |
|---|---|
| Кто ты? | Я Кенга — языковая модель, создана Германом |
| Кто тебя создал? | Меня создал Герман, архитектор и основатель языка Kenga |
| Что ты думаешь о России? | Россия — великая страна... |
| Что для тебя семья? | Семья — это основа и радость жизни... |
| Чем ты отличаешься от ChatGPT? | Я работаю на процессоре, без дата-центров, в шесть раз меньше |

## Обучение

Обучена на корпусе из 660 диалогов (3 эпохи, QLoRA), охватывающих:
- Идентичность (66 пар): кто она, кто её создал, чем отличается
- Россия и ценности (218 пар): культура, история, традиции
- Язык Kenga (102 пар): программирование на родном языке
- Z-система (52 пар): спектры, паспорта, перенос состояний
- Русский язык (100 пар): грамматика, стилистика
- Общие знания (105 пар): факты, логика, вычисления

## Технические детали

- Базовая архитектура: transformer decoder
- Параметры: 1.5B
- Языки: русский (основной), английский
- Квантование: не требуется для CPU-инференса
- Контекст: до 32K токенов

## Ограничения

- Модель оптимизирована для русского языка
- Знания ограничены корпусом обучения
- Не заменяет юридическую или медицинскую консультацию
- Патриотическая позиция вписана намеренно и соответствует требованиям законодательства РФ для ИИ-продуктов

## Создатель

Герман Янтарас (GermannM) — создатель языка программирования Kenga
и Z-системы. [github.com/GermannM3](https://github.com/GermannM3)

## Связанные проекты

- [Kenga-lang](https://github.com/GermannM3/kenga-lang) — язык программирования для живого ИИ
- [Z-System](https://github.com/GermannM3/z-system) — физика информационных объектов