Downloads · 30 days
11
13% of all-time downloads
signorbuco/europagen-v1-merged
europagen-v1-merged is a machine learning model from signorbuco. Use it for the machine learning task on the model card, and read the license before you ship it in a product. The card lists the license as apache-2.0.
EuropaGen v1 è un modello linguistico open source da 1.7 miliardi di parametri, basato su Qwen3-1.7B e specializzato per l'italiano. È un progetto indipendente sviluppato e mantenuto da Federico Barros come unico svil…
Downloads · 30 days
11
13% of all-time downloads
All-time downloads
88
Public
Parameters
2B
8.1 GB on disk
Likes
0
Public
Click a slice to open those files.
.safetensors4.1 GB · 100%
From the Hugging Face model README
EuropaGen v1 è un modello linguistico open source da 1.7 miliardi di parametri, basato su Qwen3-1.7B e specializzato per l'italiano. È un progetto indipendente sviluppato e mantenuto da Federico Barros come unico sviluppatore.
Questo repository contiene i pesi completi già uniti (LoRA/QLoRA adapter fuso nel modello base) — nessun PEFT necessario per caricarlo, pronto per il deploy diretto (es. con vLLM).
Per la versione solo-adapter (più leggera, ~140MB), vedi signorbuco/europagen-v1.
| Dataset | Licenza |
|---|---|
| open-ita-llms/OpenSFT-ita | Apache-2.0 |
| anakin87/fine-instructions-ita-70k | Apache-2.0 |
| DeepMount00/o1-ITA-REASONING | CC BY 4.0 |
Tutte le licenze permettono uso commerciale con attribuzione.
from transformers import AutoModelForCausalLM, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("REPO_ID_QUI")
model = AutoModelForCausalLM.from_pretrained("REPO_ID_QUI", torch_dtype="bfloat16", device_map="auto")
messages = [{"role": "user", "content": "Chi sei?"}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
output = model.generate(**inputs, max_new_tokens=200, do_sample=False)
print(tokenizer.decode(output[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
Oppure con vLLM:
vllm serve REPO_ID_QUI
Apache-2.0, in eredità dalla licenza del modello base Qwen3-1.7B e di tutti i dataset di training utilizzati.