Instructions to use ngxson/Vistral-7B-ChatML with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use ngxson/Vistral-7B-ChatML with Transformers:

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

pipe = pipeline("text-generation", model="ngxson/Vistral-7B-ChatML")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("ngxson/Vistral-7B-ChatML")
model = AutoModelForCausalLM.from_pretrained("ngxson/Vistral-7B-ChatML")
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]:]))

llama-cpp-python

How to use ngxson/Vistral-7B-ChatML with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="ngxson/Vistral-7B-ChatML",
	filename="vistral-7b-chatml-Q4_K_M.gguf",
)

llm.create_chat_completion(
	messages = [
		{
			"role": "user",
			"content": "What is the capital of France?"
		}
	]
)

Notebooks
Google Colab
Kaggle
Local Apps

llama.cpp

How to use ngxson/Vistral-7B-ChatML with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf ngxson/Vistral-7B-ChatML:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf ngxson/Vistral-7B-ChatML:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf ngxson/Vistral-7B-ChatML:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf ngxson/Vistral-7B-ChatML: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 ngxson/Vistral-7B-ChatML:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf ngxson/Vistral-7B-ChatML: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 ngxson/Vistral-7B-ChatML:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf ngxson/Vistral-7B-ChatML:Q4_K_M

Use Docker

docker model run hf.co/ngxson/Vistral-7B-ChatML:Q4_K_M

LM Studio
Jan

vLLM

How to use ngxson/Vistral-7B-ChatML with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "ngxson/Vistral-7B-ChatML"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "ngxson/Vistral-7B-ChatML",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/ngxson/Vistral-7B-ChatML:Q4_K_M

SGLang

How to use ngxson/Vistral-7B-ChatML 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 "ngxson/Vistral-7B-ChatML" \
    --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": "ngxson/Vistral-7B-ChatML",
		"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 "ngxson/Vistral-7B-ChatML" \
        --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": "ngxson/Vistral-7B-ChatML",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Ollama
How to use ngxson/Vistral-7B-ChatML with Ollama:
```
ollama run hf.co/ngxson/Vistral-7B-ChatML:Q4_K_M
```

Unsloth Studio new

How to use ngxson/Vistral-7B-ChatML with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for ngxson/Vistral-7B-ChatML to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for ngxson/Vistral-7B-ChatML to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for ngxson/Vistral-7B-ChatML to start chatting

Docker Model Runner
How to use ngxson/Vistral-7B-ChatML with Docker Model Runner:
```
docker model run hf.co/ngxson/Vistral-7B-ChatML:Q4_K_M
```

Lemonade

How to use ngxson/Vistral-7B-ChatML with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull ngxson/Vistral-7B-ChatML:Q4_K_M

Run and chat with the model

lemonade run user.Vistral-7B-ChatML-Q4_K_M

List all available models

lemonade list

Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

Model Description

This model is finetuned from Viet-Mistral/Vistral-7B-Chat. The dataset is taken from bkai-foundation-models/vi-self-chat-sharegpt-format

This is a low rank finetune to add support for chatml template. While the template does not affect model performance, it would be nice to support chatml since most of models based on Mistral already using it.

The format looks like this:

<|im_start|>system 
Provide some context and/or instructions to the model.
<|im_end|> 
<|im_start|>user 
The user’s message goes here
<|im_end|> 
<|im_start|>assistant

How to use it

The recommended way is to use the GGUF vistral-7b-chatml-Q4_K_M.gguf file included in this repository. Run it via llama.cpp (remember to pass -cml argument to use chatml template)

./main -m vistral-7b-chatml-Q4_K_M.gguf -p "Bạn là một trợ lí Tiếng Việt nhiệt tình và trung thực." -cml

Additionally, you can run the python3 run.py inside this repository to try the model using transformers library. This it not the recommended way since you may need to change some params inside in order to make it work.

This is an example of a conversation using llama.cpp:

<|im_start|>system
Bạn là một trợ lí Tiếng Việt nhiệt tình và trung thực.<|im_end|>
<|im_start|>user
xin chào
Tôi là một trợ lý AI được tạo ra để hỗ trợ con người. Bạn có câu hỏi gì về chủ đề nào đó?<|im_end|>
trợ lý AI là gì? bạn giải thích được không?
Trợ lý AI là một chương trình máy tính sử dụng trí tuệ nhân tạo và học máy để hỗ trợ con người trong nhiều công việc khác nhau. Nó có thể hiểu và xử lý ngôn ngữ tự nhiên, nhận biết hình ảnh và âm thanh cũng như đưa ra các đề xuất hay câu trả lời phù hợp cho các yêu cầu của bạn.<|im_end|>
ồ, cảm ơn, vậy bạn có thể làm gì?
Tôi được thiết kế để giúp đỡ con người trong nhiều công việc như giải đáp các câu hỏi, trả lời những vấn đề liên quan đến cuộc sống hàng ngày của họ. Tôi cũng hỗ trợ nghiên cứu và phân tích dữ liệu để đưa ra dự đoán hay tư vấn cho doanh nghiệp hoặc cá nhân.<|im_end|>
tức là sao?
Ví dụ, nếu bạn đang thắc mắc về một chủ đề nào đó và không biết phải bắt đầu tìm kiếm ở đâu hay làm thế nào để hiểu rõ hơn về nó thì tôi có thể giúp bạn. Tôi cũng có khả năng đọc và phân tích dữ liệu từ nhiều nguồn khác nhau như các tài liệu nghiên cứu khoa học hoặc thông tin trên mạng xã hội, sau đó đưa ra những giải thích chi tiết cho vấn đề của bạn.<|im_end|>

Training

You can also look at the training code in the finetune.py file.

For tokenizer, I changed these things:

Token [INST] to <|im_start|>, make it become special token
Token [/INST] to <|im_end|>, make it become special token
Change to eos_token to <|im_end|>
Update chat_template to chatml, taken from this example

Additionally, there is a checkpoint file in my repository if you want to merge the LORA yourself.

More information

Disclaimer: I'm not expert in machine learning, my background is from cybersecurity so the making of this model is a "hobby" to me. Training is done using a VPS on Google Cloud, I paid with my own money.

If you want to discuss, feel free to contact me at contact at ngxson dot com - ngxson.com

Downloads last month: 70

Safetensors

Model size

7B params

Tensor type

F16

Model tree for ngxson/Vistral-7B-ChatML

Quantizations

2 models