xamiuz/xamiuz1.1

Xamiuz 1.1 (LoRA Adapters)

Status Pengembangan (Active Development Preview):
Model ini saat ini berada dalam tahap pengembangan aktif (under active development). Peningkatan arsitektur penalaran, optimasi inferensi lokal, penyesuaian bobot proyektor multimodal (native vision), dan eksekusi tool otonom terus diperbarui secara berkala. Uji coba dan umpan balik teknis sangat terbuka untuk penyempurnaan versi rilis stabil berikutnya.

Model bahasa terkuantisasi (GGUF Q4_K_M) berbasis Meta-Llama-3.1-8B-Instruct, dioptimasi dengan Unsloth untuk rekayasa perangkat lunak multi-bahasa, penalaran akademik berbahasa Indonesia, inspeksi dokumen visual, dan eksekusi tool otonom.

Berkas model didistribusikan dalam format LoRA adapter weights (~185 MB) dan dapat dijalankan secara luring (offline) pada lingkungan CPU maupun GPU menggunakan LM Studio, llama.cpp, atau Ollama.

---

Spesifikasi Teknis

Parameter	Keterangan
Status Rilis	Pratinjau Pengembangan Aktif (Active Development)
Model Dasar	Meta-Llama-3.1-8B-Instruct
Arsitektur	LlamaForCausalLM (8 Miliar Parameter)
Metode Pelatihan	Parameter-Efficient Fine-Tuning (PEFT) QLoRA 4-bit via Unsloth
Panjang Konteks	2.048 - 4.096 token
Format Kuantisasi	16-bit LoRA Adapters (~185 MB)
Bahasa Utama	Bahasa Indonesia dan Bahasa Inggris

---

Cakupan Kemampuan

• Rekayasa Perangkat Lunak Multi-Bahasa: Penulisan, analisis arsitektur, dan debugging untuk bahasa TypeScript, JavaScript, Go, Rust, Java, C++, Python, SQL, dan Bash.
• Penalaran Akademik Formal: Penguasaan terminologi baku pada bidang hukum, kedokteran, sains eksakta, dan tata bahasa resmi Indonesia.
• Penelusuran Literatur Ilmiah: Sintesis referensi makalah penelitian berbasis metadata standar (DOI, OpenAlex, IEEE, APA).
• Analisis Desain dan Dokumen: Audit struktur tata naskah dinas, dokumen administratif (Surat Keputusan, BAST, kuitansi, e-KTP), serta verifikasi rasio kontras aksesibilitas WCAG 2.1 AA.
• Eksekusi Tool Otonom: Mendukung format pemanggilan fungsi terstruktur () untuk manajemen berkas sistem (write_file, create_pdf, create_word, create_excel, create_flowchart) dan eksekusi terminal (execute_command).

---

Silsilah dan Rincian Dataset Pelatihan (Complete Dataset Lineage)

Model ini dilatih secara bertahap (continual learning) menggunakan kombinasi dataset terbuka berlisensi resmi dan dataset kurasi internal (in-house) tanpa melibatkan data sintetis tertutup pihak ketiga:

1. CodeAlpaca-20k (sahil2801) - 2.000 Sampel

   • Lisensi: Apache License 2.0
   • Cakupan: Instruksi rekayasa perangkat lunak multi-bahasa (TypeScript, JavaScript, Go, Rust, Java, C++, Python, SQL, Bash).

2. IndoMMLU Academic Reasoning Benchmark (Konsorsium IndoLEM) - 2.000 Sampel

   • Lisensi: Creative Commons Attribution-ShareAlike 4.0 (CC BY-SA 4.0)
   • Cakupan: Soal kurasi penalaran akademik formal Indonesia meliputi bidang kedokteran, hukum, sains, sejarah, dan sosiologi.

3. Indonesian Natural Dialog (FreedomIntelligence) - 2.000 Sampel

   • Lisensi: Apache License 2.0
   • Cakupan: Dialog percakapan bahasa Indonesia wajar untuk melatih keluwesan komunikasi dan pemahaman instruksi lokal.

4. Xamiuz Polyglot Full-Stack & Tool Trajectories (In-House SFT)

   • Lisensi: Proprietary / Hak Cipta Xamiuz AI
   • Cakupan: Skenario eksekusi tool pembuatan berkas fisik (PDF, Word, Excel, Presentasi PPTX, Flowchart Mermaid), Dockerfile multi-stage, Golang REST API, dan perbandingan alokasi memori Rust vs C++.

5. Xamiuz Academic Research & Design Critique (In-House SFT)

   • Lisensi: Proprietary / Hak Cipta Xamiuz AI
   • Cakupan: Format sitasi ilmiah resmi berbasis OpenAlex/DOI, sintesis arsitektur komputasi, evaluasi identitas merek visual, dan audit CV berstandar kompetensi kerja.

6. Xamiuz Visual & Document Inspection (In-House SFT)

   • Lisensi: Proprietary / Hak Cipta Xamiuz AI
   • Cakupan: Ekstraksi data terstruktur dari observasi dokumen kedinasan (Surat Dinas, BAST pengadaan), administrasi keuangan (kuitansi belanja ATK, faktur), kependudukan (e-KTP), serta diagram alur mikroservis dan grafik analitik bisnis.

7. Flywheel Continuous On-Device Experience Memory

   • Lisensi: Proprietary / Data Privat Lokal
   • Cakupan: Rekaman pola interaksi tugas sukses yang dihimpun secara lokal di sistem untuk pembaruan berkelanjutan.

---

Petunjuk Penggunaan

LM Studio

1. Buka aplikasi LM Studio dan cari repositori xamiuz/xamiuz1.1-GGUF.
2. Unduh berkas Meta-Llama-3.1-8B-Instruct.Q4_K_M.gguf.
3. Muat berkas ke memori dan gunakan template percakapan standar.

llama.cpp / llama-server

llama-server.exe -m Meta-Llama-3.1-8B-Instruct.Q4_K_M.gguf --host 127.0.0.1 --port 8088 -c 4096 -t 4

Ollama

Buat berkas Modelfile dengan konfigurasi berikut:

FROM ./Meta-Llama-3.1-8B-Instruct.Q4_K_M.gguf
PARAMETER temperature 0.6
PARAMETER top_p 0.9

Jalankan perintah berikut pada terminal:

ollama create xamiuz -f Modelfile
ollama run xamiuz

---

Lisensi, Kontak, dan Kepatuhan Hukum

• Model Dasar: Tunduk pada ketentuan Meta Llama 3.1 Community License Agreement (diizinkan untuk penggunaan komersial resmi).
• Pemberitahuan Wajib: Built with Meta Llama 3.
• Jaminan Kepatuhan: Seluruh dataset yang digunakan memiliki lisensi terbuka permisif atau hak kekayaan intelektual internal, bebas dari keterikatan data sintetis pihak ketiga yang melanggar ketentuan layanan komersial.
• Pengembang: Pandu Wirayuda / Xamiuz AI (2026).
• Kontak Pengembang: panduwirayuda12345@gmail.com