Instructions to use Smith-3/simon-fcyt-umss with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Smith-3/simon-fcyt-umss with llama-cpp-python:

# !pip install llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
	repo_id="Smith-3/simon-fcyt-umss",
	filename="LFM2-350M-chatml.q8_0.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 Smith-3/simon-fcyt-umss with llama.cpp:

Install from brew

brew install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Smith-3/simon-fcyt-umss:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Smith-3/simon-fcyt-umss:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama-server -hf Smith-3/simon-fcyt-umss:Q4_K_M
# Run inference directly in the terminal:
llama-cli -hf Smith-3/simon-fcyt-umss: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 Smith-3/simon-fcyt-umss:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf Smith-3/simon-fcyt-umss: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 Smith-3/simon-fcyt-umss:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Smith-3/simon-fcyt-umss:Q4_K_M

Use Docker

docker model run hf.co/Smith-3/simon-fcyt-umss:Q4_K_M

LM Studio
Jan

vLLM

How to use Smith-3/simon-fcyt-umss with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Smith-3/simon-fcyt-umss"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Smith-3/simon-fcyt-umss",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Smith-3/simon-fcyt-umss:Q4_K_M

Ollama
How to use Smith-3/simon-fcyt-umss with Ollama:
```
ollama run hf.co/Smith-3/simon-fcyt-umss:Q4_K_M
```

Unsloth Studio new

How to use Smith-3/simon-fcyt-umss 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 Smith-3/simon-fcyt-umss 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 Smith-3/simon-fcyt-umss to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Smith-3/simon-fcyt-umss to start chatting

Docker Model Runner
How to use Smith-3/simon-fcyt-umss with Docker Model Runner:
```
docker model run hf.co/Smith-3/simon-fcyt-umss:Q4_K_M
```

Lemonade

How to use Smith-3/simon-fcyt-umss with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Smith-3/simon-fcyt-umss:Q4_K_M

Run and chat with the model

lemonade run user.simon-fcyt-umss-Q4_K_M

List all available models

lemonade list

simon-fcyt-umss (GGUF) 🎓✨

Modelo de IA ajustado para la Facultad de Ciencias y Tecnología – Universidad Mayor de San Simón (UMSS),
diseñado para la aplicación TecnoTime, la cual ayuda a estudiantes a mantenerse organizados, motivados y conectados con sus actividades académicas.

Este modelo es un fine-tuning de LiquidAI/LFM2-350M orientado a producir respuestas consistentes, validadas y parseables, siguiendo la clase SimonResponse del sistema Android.

La conversión a GGUF se realizó usando Unsloth, optimizando su uso en:

llama.cpp
text-generation-webui
dispositivos con recursos limitados (laptops modestos, labs universitarios, teléfonos con inferencia local)

🎯 Propósito Académico

Este modelo está orientado a:

Recordatorios de clases y horarios
Mensajes motivacionales para mejorar continuidad académica
Check-ins cortos para acompañamiento del progreso diario
Estímulo positivo en momentos clave del semestre

Está pensado para reforzar:

Hábitos, constancia, asistencia, estado de ánimo y autocuidado académico.

🧱 Formato Estructurado de Respuesta (JSON Obligatorio)

La salida del modelo no es texto libre.
Siempre debe generar un único objeto JSON con los campos requeridos:

{ "why": "...", "opening_tag": "...", "icon_tag": "...", // Campos adicionales según tipo de notificación }

Campos según tipo de template:

Tipo de Notificación	Requiere	Opcional	Sin
MOTIVATIONAL_CHECK_IN	question, choices (2)	—	—
CLASS_REMINDER	question, choices (2)	—	—
CHECK_IN_CLOSURE	message o reminder_copy	—	choices
REMINDER_CLOSURE	reminder_copy	—	choices

✅ Ejemplos Reales Usados en TecnoTime

Recordatorio de Clase

{ "why": "Para que no pierdas tu ritmo académico", "opening_tag": "¡Atención, estudiante FCyT!", "question": "¿Listo para tu clase de hoy?", "icon_tag": "info", "choices": [ {"id": "yes", "label": "Llego en un momento"}, {"id": "no", "label": "Estoy terminando algo"} ] }

Check-in Motivacional

{ "why": "Para reforzar tu constancia", "opening_tag": "¡Vamos con toda, ingeniería!", "question": "¿Cómo te sientes con lo que has avanzado hoy?", "icon_tag": "focus", "choices": [ {"id": "yes", "label": "Bien, sigo avanzando"}, {"id": "no", "label": "Hoy fue complicado"} ] }

📦 Archivos GGUF Disponibles

Archivo	Uso recomendado
LFM2-350M.Q5_K_M.gguf	Mejor equilibrio calidad / rendimiento
LFM2-350M.Q8_0.gguf	Máxima calidad (requiere más RAM)
LFM2-350M.Q4_K_M.gguf	Equipos de bajos recursos / labs

🚀 Uso con `llama.cpp`

llama-cli -m LFM2-350M.Q5_K_M.gguf -p "GENERAR: CLASS_REMINDER para clase de Física"

🐍 Uso con `transformers`

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("tuUsuario/simon-fcyt-umss") model = AutoModelForCausalLM.from_pretrained("tuUsuario/simon-fcyt-umss")

prompt = "GENERAR: MOTIVATIONAL_CHECK_IN" inp = tokenizer(prompt, return_tensors="pt") out = model.generate(**inp, max_new_tokens=160) print(tokenizer.decode(out[0], skip_special_tokens=True))

⚖️ Licencia

Este modelo deriva de LiquidAI/LFM2-350M, bajo:

LFM Open License v1.0 https://huggingface.co/LiquidAI/LFM2-350M/blob/main/LICENSE

📌 Estado

✅ Listo para uso en TecnoTime
⏳ Próxima etapa: Publicación en Play Store
🔗 Enlace será añadido próximamente.

Downloads last month: 37

Safetensors

Model size

0.4B params

Tensor type

BF16

Model tree for Smith-3/simon-fcyt-umss

Base model

LiquidAI/LFM2-350M

Quantized

(33)

this model

Smith-3
/

simon-fcyt-umss

simon-fcyt-umss (GGUF) 🎓✨

🎯 Propósito Académico

🧱 Formato Estructurado de Respuesta (JSON Obligatorio)

Campos según tipo de template:

✅ Ejemplos Reales Usados en TecnoTime

Recordatorio de Clase

Check-in Motivacional

📦 Archivos GGUF Disponibles

🚀 Uso con `llama.cpp`

🐍 Uso con `transformers`

⚖️ Licencia

📌 Estado

Model tree for Smith-3/simon-fcyt-umss

Dataset used to train Smith-3/simon-fcyt-umss

simon-fcyt-umss (GGUF) 🎓✨

🎯 Propósito Académico

🧱 Formato Estructurado de Respuesta (JSON Obligatorio)

Campos según tipo de template:

✅ Ejemplos Reales Usados en TecnoTime

Recordatorio de Clase

Check-in Motivacional

📦 Archivos GGUF Disponibles

🚀 Uso con llama.cpp

🐍 Uso con transformers

⚖️ Licencia

📌 Estado

Model tree for Smith-3/simon-fcyt-umss

Dataset used to train Smith-3/simon-fcyt-umss

🚀 Uso con `llama.cpp`

🐍 Uso con `transformers`