Instructions to use TilQazyna/Til-mini-1B-GEC with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use TilQazyna/Til-mini-1B-GEC with Transformers:

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

pipe = pipeline("text-generation", model="TilQazyna/Til-mini-1B-GEC")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("TilQazyna/Til-mini-1B-GEC")
model = AutoModelForCausalLM.from_pretrained("TilQazyna/Til-mini-1B-GEC", 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=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use TilQazyna/Til-mini-1B-GEC with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "TilQazyna/Til-mini-1B-GEC"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "TilQazyna/Til-mini-1B-GEC",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/TilQazyna/Til-mini-1B-GEC

SGLang

How to use TilQazyna/Til-mini-1B-GEC 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 "TilQazyna/Til-mini-1B-GEC" \
    --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": "TilQazyna/Til-mini-1B-GEC",
		"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 "TilQazyna/Til-mini-1B-GEC" \
        --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": "TilQazyna/Til-mini-1B-GEC",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use TilQazyna/Til-mini-1B-GEC with Docker Model Runner:
```
docker model run hf.co/TilQazyna/Til-mini-1B-GEC
```

You need to agree to share your contact information to access this model

This repository is publicly accessible, but you have to accept the conditions to access its files and content.

Бұл репозиторийге қолжетімділік өтінім бойынша беріледі. Өзіңіз туралы және деректерді қалай қолданатыңыз туралы жазыңыз — өтінімді TilQazyna командасы қарайды. · Доступ к репозиторию выдаётся по заявке. Расскажите о себе и о том, как собираетесь использовать данные — заявку рассматривает команда TilQazyna. · Access to this repository is granted on request. Tell us who you are and how you plan to use the material; the TilQazyna team reviews each application.

Til-mini-1B-GEC

Қазақ мәтініндегі қатені түзету · Исправление ошибок в казахском тексте · Kazakh grammatical error correction

Қазақша · Русский · English

Қазақша

Til-mini-1B-GEC — қазақ мәтініндегі грамматикалық, орфографиялық және пунктуациялық қателерді түзететін 956.3M параметрлі модель. Репозиторий көлемі — 1.93 ГБ. Ол Til-mini-1B негізінде Til-GEC деректерімен fine-tune жасалған.

Құрылымы мен міндеті

Сипаттама	Мәні
Архитектура	`DeepseekV3ForCausalLM`, MLA
Қабат саны	24
Контекст	2048 токен
Формат	ChatML
Fine-tune деректері	шамамен 900 GEC жұбы

Модель қазақ әріптерін, бас әріпті, тыныс белгілерін және жиі кездесетін қиысу мен емле қателерін түзетеді. Ұзын мәтінді сөйлем бойынша өңдеп, нәтижесінің бірінші жолын алу ұсынылады.

Іске қосу

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "TilQazyna/Til-mini-1B-GEC"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo)
message = "Мәтіндегі қателерді түзет. Тек түзетілген мәтінді қайтар.\n\nМәтін: кеше жанбыр жауды"
prompt = tokenizer.apply_chat_template([{"role": "user", "content": message}], tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt")
output = model.generate(**inputs, max_new_tokens=128, do_sample=False)
print(tokenizer.decode(output[0][inputs.input_ids.shape[1]:], skip_special_tokens=True).split("\n")[0])

Қолжетімділік

Карточка мен файлдар тізімі ашық. Файлдарды «Request access» өтінімін TilQazyna командасы мақұлдағаннан кейін жүктеуге болады.

Байланысты репозиторийлер

Base-модель — Til-mini-1B, оқыту деректері — Til-GEC.

Русский

Til-mini-1B-GEC — модель на 956.3M параметров для исправления грамматических, орфографических и пунктуационных ошибок в казахском тексте. Объём репозитория — 1.93 ГБ. Это fine-tune Til-mini-1B на Til-GEC.

Устройство и задача

Характеристика	Значение
Архитектура	`DeepseekV3ForCausalLM`, MLA
Слоёв	24
Контекст	2048 токенов
Формат	ChatML
Данные fine-tune	около 900 GEC-пар

Модель исправляет казахские буквы, регистр, пунктуацию и частые ошибки согласования и орфографии. Длинный текст лучше обрабатывать по предложениям и брать первую строку ответа.

Как запустить

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "TilQazyna/Til-mini-1B-GEC"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo)
message = "Мәтіндегі қателерді түзет. Тек түзетілген мәтінді қайтар.\n\nМәтін: кеше жанбыр жауды"
prompt = tokenizer.apply_chat_template([{"role": "user", "content": message}], tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt")
output = model.generate(**inputs, max_new_tokens=128, do_sample=False)
print(tokenizer.decode(output[0][inputs.input_ids.shape[1]:], skip_special_tokens=True).split("\n")[0])

Доступ

Карточка и список файлов открыты. Команда TilQazyna разрешает скачивание после рассмотрения заявки через «Request access».

Связанные репозитории

Базовая модель — Til-mini-1B, данные обучения — Til-GEC.

English

Til-mini-1B-GEC is a 956.3M-parameter model for correcting grammatical, spelling, and punctuation errors in Kazakh text. The repository occupies 1.93 GB. It fine-tunes Til-mini-1B on Til-GEC.

Architecture and task

Characteristic	Value
Architecture	`DeepseekV3ForCausalLM`, MLA
Layers	24
Context	2048 tokens
Format	ChatML
Fine-tune data	about 900 GEC pairs

The model corrects Kazakh letters, capitalization, punctuation, and common agreement and spelling errors. Longer texts should be processed sentence by sentence, keeping the first response line.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "TilQazyna/Til-mini-1B-GEC"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo)
message = "Мәтіндегі қателерді түзет. Тек түзетілген мәтінді қайтар.\n\nМәтін: кеше жанбыр жауды"
prompt = tokenizer.apply_chat_template([{"role": "user", "content": message}], tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt")
output = model.generate(**inputs, max_new_tokens=128, do_sample=False)
print(tokenizer.decode(output[0][inputs.input_ids.shape[1]:], skip_special_tokens=True).split("\n")[0])