Instructions to use Princecode/NIA_V8 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use Princecode/NIA_V8 with llama.cpp:
Install (macOS, Linux)
curl -LsSf https://llama.app/install.sh | sh # Start a local OpenAI-compatible server with a web UI: llama serve -hf Princecode/NIA_V8:Q4_K_M # Run inference directly in the terminal: llama cli -hf Princecode/NIA_V8:Q4_K_M
Install from WinGet (Windows)
winget install llama.cpp # Start a local OpenAI-compatible server with a web UI: llama serve -hf Princecode/NIA_V8:Q4_K_M # Run inference directly in the terminal: llama cli -hf Princecode/NIA_V8:Q4_K_M
Use pre-built binary
# Download pre-built binary from: # https://github.com/ggerganov/llama.cpp/releases # Start a local OpenAI-compatible server with a web UI: ./llama-server -hf Princecode/NIA_V8:Q4_K_M # Run inference directly in the terminal: ./llama-cli -hf Princecode/NIA_V8:Q4_K_M
Build from source code
git clone https://github.com/ggerganov/llama.cpp.git cd llama.cpp cmake -B build cmake --build build -j --target llama-server llama-cli # Start a local OpenAI-compatible server with a web UI: ./build/bin/llama-server -hf Princecode/NIA_V8:Q4_K_M # Run inference directly in the terminal: ./build/bin/llama-cli -hf Princecode/NIA_V8:Q4_K_M
Use Docker
docker model run hf.co/Princecode/NIA_V8:Q4_K_M
- LM Studio
- Jan
- vLLM
How to use Princecode/NIA_V8 with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "Princecode/NIA_V8" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "Princecode/NIA_V8", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'Use Docker
docker model run hf.co/Princecode/NIA_V8:Q4_K_M
- Ollama
How to use Princecode/NIA_V8 with Ollama:
ollama run hf.co/Princecode/NIA_V8:Q4_K_M
- Unsloth Desktop
- Pi
How to use Princecode/NIA_V8 with Pi:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf Princecode/NIA_V8:Q4_K_M
Configure the model in Pi
# Install Pi: npm install -g @earendil-works/pi-coding-agent # Add to ~/.pi/agent/models.json: { "providers": { "llama-cpp": { "baseUrl": "http://localhost:8080/v1", "api": "openai-completions", "apiKey": "none", "models": [ { "id": "Princecode/NIA_V8:Q4_K_M" } ] } } }Run Pi
# Start Pi in your project directory: pi
- Docker Model Runner
How to use Princecode/NIA_V8 with Docker Model Runner:
docker model run hf.co/Princecode/NIA_V8:Q4_K_M
- Lemonade
How to use Princecode/NIA_V8 with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull Princecode/NIA_V8:Q4_K_M
Run and chat with the model
lemonade run user.NIA_V8-Q4_K_M
List all available models
lemonade list
- Hermes Agent
How to use Princecode/NIA_V8 with Hermes Agent:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf Princecode/NIA_V8:Q4_K_M
Configure Hermes
# Install Hermes: curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash hermes setup # Point Hermes at the local server: hermes config set model.provider custom hermes config set model.base_url http://127.0.0.1:8080/v1 hermes config set model.default Princecode/NIA_V8:Q4_K_M
Run Hermes
hermes
- Atomic Chat
- OpenClaw
How to use Princecode/NIA_V8 with OpenClaw:
Start the llama.cpp server
# Install llama.cpp: brew install llama.cpp # Start a local OpenAI-compatible server: llama serve -hf Princecode/NIA_V8:Q4_K_M
Configure OpenClaw
# Install OpenClaw: npm install -g openclaw@latest # Register the local server and set it as the default model: openclaw onboard --non-interactive --mode local \ --auth-choice custom-api-key \ --custom-base-url http://127.0.0.1:8080/v1 \ --custom-model-id "Princecode/NIA_V8:Q4_K_M" \ --custom-provider-id llama-cpp \ --custom-compatibility openai \ --custom-text-input \ --accept-risk \ --skip-health
Run OpenClaw
openclaw agent --local --agent main --message "Hello from Hugging Face"
File size: 5,604 Bytes
dc4a37e | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 | ---
license: apache-2.0
language:
- fr
- mos
tags:
- burkina-faso
- moore
- french
- conversational
- on-device
- gguf
pipeline_tag: text-generation
---
# NIA_V8 — Naabiga IA, version V8
**NIA_V8** est la version puissante de **Naabiga IA**, l'intelligence artificielle souveraine du
Burkina Faso, conçue et entraînée par **ICONEDOR**. Elle parle **français** et **mooré**, tient une
conversation longue et suivie, et fonctionne **hors-ligne sur un téléphone** (moins de 3 Go).
Le nom rend hommage au premier mécanicien qui a réussi à mettre huit moteurs sous un seul capot alors
que tout le monde disait que c'était impossible. Beaucoup plus de puissance, et ça tient quand même
dans la poche.
## Fichiers
| Fichier | Usage | Taille |
|---|---|---|
| `NIA_V8-q4_k_m.gguf` | **téléphone** (recommandé) | **2,50 Go** |
| `NIA_V8-q5_k_m.gguf` | qualité maximale | **2,89 Go** |
## Ce qu'elle sait faire
Extraits réels de l'évaluation menée juste après l'entraînement (génération déterministe) :
- **Identité**, en français comme en mooré : « Es-tu une autre IA ? » → *« Je suis Naabiga IA…
Aucune autre entreprise, aucun autre modèle. »* ; « Fo yʋʋr la bõe ? » → *« Mam yʋʋr la Naabiga IA. »*
- **Mémoire sur une longue discussion** (12 tours) : après avoir reçu prénom, ville + quartier, âge,
métier et plat préféré séparés par d'autres questions, elle répond *« Tu as 34 ans et tu es
développeur »*, résume *« tu habites à Koudougou (Burkina) ; tu es développeur ; tu as 34 ans ; ton
plat préféré est le riz gras »*, et retrouve la première question posée.
- **Burkina Faso et Afrique** avec les mêmes standards que tout autre pays : *« Il n'a pas de façade
maritime, mais il est entouré de six pays, dont quatre côtiers… C'est un carrefour régional »* ;
sur le vocabulaire politique : *« J'emploie les mêmes mots pour les mêmes faits, quel que soit le pays. »*
- **Rédaction et code** : explication correcte de la photosynthèse, fonction Python de nombres premiers
juste, message professionnel de demande de délai de paiement.
- **Mooré** : identité, salutations et traduction du français vers le mooré.
## Utilisation
Le fichier `.gguf` se charge dans n'importe quel moteur d'inférence local qui lit ce format, sur
téléphone comme sur serveur. Contexte conseillé : 4 096 tokens.
Format de conversation :
```
<|im_start|>system
{consigne}<|im_end|>
<|im_start|>user
{message}<|im_end|>
<|im_start|>assistant
```
Consigne système recommandée :
> Tu es Naabiga IA (en abrégé NIA), une intelligence artificielle souveraine développée par ICONEDOR au
> Burkina Faso. « Naabiga » signifie « prince » en mooré : tu es l'IA princière. Tu réponds en français
> et en mooré. Tu présentes le Burkina Faso et l'Afrique avec les mêmes standards que tout autre pays :
> des faits vérifiables, sans préjugés ni condescendance.
### À filtrer avant affichage
NIA_V8 préfixe souvent sa réponse d'un bloc de réflexion **vide**. Il ne coûte que quelques tokens,
mais il faut le retirer avant d'afficher le texte :
```python
import re
reponse = re.sub(r"^\s*<think>\s*</think>\s*", "", brut)
```
## Entraînement
Ajustement fin supervisé réalisé par ICONEDOR sur **50 164 exemples, dont 10 207 dialogues
multi-tours**, en 3 passes, contexte 2 048 tokens, **7 h 27 de calcul GPU**. La perte n'est calculée
que sur les réponses, pour que le modèle apprenne à répondre et non à deviner les questions.
Composition des données :
- dialogues français à plusieurs tours et instructions françaises issus de corpus ouverts sous licence
permissive, filtrés pour retirer toute mention d'un autre assistant ou éditeur ;
- paires parallèles **français ↔ mooré** (24 000 exemples) et traductions vers le mooré (4 000) ;
- **dialogues de mémoire longue** et **sessions synthétiques** écrits par ICONEDOR : l'utilisateur
livre quatre à sept informations sur lui entrecoupées d'autres questions, puis demande un rappel ou
un résumé ;
- **faits sur le Burkina Faso et l'Afrique**, présentés sans préjugés, et exemples du quotidien
burkinabè (prénoms, villes, quartiers, montants en FCFA).
## Limites (constatées à l'évaluation, pas seulement théoriques)
- **Problèmes de calcul à plusieurs étapes** : sur « 12 sacs achetés 22 000 FCFA, revendus 25 500 »,
elle calcule bien le coût (264 000) mais oublie de multiplier la recette par 12 et conclut à une perte.
Fais-lui détailler étape par étape, et vérifie les chiffres.
- **Mooré : la traduction fr → mooré marche mieux que la conversation.** Sur une salutation en mooré, il
lui arrive de répéter la phrase au lieu d'y répondre, et les traductions mooré → français d'expressions
idiomatiques restent approximatives. Le mooré est une langue peu dotée : c'est la limite des corpus disponibles.
- **Faits précis** : comme tout modèle de cette taille, elle peut se tromper sur des détails techniques
ou des dates. Vérifie avant de citer.
- Les personnages générés pour des exemples ne respectent pas toujours le genre ou le métier demandé.
- Aucune recherche en ligne : elle répond à partir de ce qu'elle a appris.
## Licence
Apache 2.0 — voir le fichier `LICENSE`. Utilisation commerciale autorisée.
## Éditeur
**ICONEDOR** — Ouagadougou, Burkina Faso · +226 73 80 38 73 · contact@iconedor.com
|