ahmetggg/Luck-Qwen2.5-Coder-3B-STEM-v0.2-GGUF overview
🚀 Luck Qwen2.5 Coder 3B STEM v0.2 GGUF Luck Qwen2.5 Coder 3B STEM v0.2 , Qwen/Qwen2.5 Coder 3B Instruct temel modeli üzerine STEM Science, Technology, Enginee…
Runs locally from ~1.80 GB disk (4 GB VRAM class GPUs with llama.cpp / guIDE).
Repository Files & Downloads
| File | Type | Quantization | Size | Link |
|---|---|---|---|---|
| qwen25-coder-3b-q4_k_m.gguf | GGUF | Q4_K_M | 1.80 GB | Download |
Model Details
| Model ID | ahmetggg/Luck-Qwen2.5-Coder-3B-STEM-v0.2-GGUF |
|---|---|
| Author | ahmetggg |
| Pipeline | text-generation |
| License | apache-2.0 |
| Base model | Qwen/Qwen2.5-Coder-3B-Instruct |
| Last modified | 2026-08-06T18:58:34.000Z |
Model README
---
library_name: gguf
pipeline_tag: text-generation
base_model: Qwen/Qwen2.5-Coder-3B-Instruct
tags:
- gguf
- q4_k_m
- qwen2.5-coder
- code
- stem
- fine-tuned
- unsloth
- ollama
language:
- en
- tr
license: apache-2.0
---
🚀 Luck-Qwen2.5-Coder-3B-STEM-v0.2 (GGUF)
Luck-Qwen2.5-Coder-3B-STEM-v0.2, Qwen/Qwen2.5-Coder-3B-Instruct temel modeli üzerine STEM (Science, Technology, Engineering, Mathematics) alanlarında kodlama yeteneklerini ve mantıksal problem çözme kapasitesini artırmak amacıyla Unsloth altyapısı kullanılarak eğitilmiş özel bir dil modelidir.
Bu repository, modelin yerel sistemlerde (Ollama, llama.cpp, LM Studio vb.) ve düşük sistem kaynağı tüketen cihazlarda yüksek performansla çalışabilmesi için Q4_K_M formatında kuantize edilmiş GGUF sürümünü içerir.
---
📌 Model Özellikleri
- Geliştirici / Eğitmen: Dr. Zeon.
- Temel Model: Qwen/Qwen2.5-Coder-3B-Instruct
- Format: GGUF (
Q4_K_M) - Dosya Boyutu: ~1.93 GB
- Bağlam Uzunluğu (Context Length): 32k (Önerilen çalışma: 4096 - 8192 tokens)
- Format Yapısı: ChatML Formatı
---
📊 Eğitim Analizi ve Metrikler
Eğitim süreci 1500 step boyunca Kaggle GPU ortamında Unsloth (LoRA/PEFT) kullanılarak yürütülmüştür. Model ilk 50 adım içerisinde ana örüntüleri öğrenerek hızlı bir yakınsama (convergence) sergilemiştir.
| Eğitim Metriği | Değer | Adım (Step) |
| :--- | :--- | :--- |
| Başlangıç Kaybı (Initial Loss) | 1.6371 | Step 10 |
| En Düşük Kayıp (Min Loss) | 0.4761 | Step 870 |
| Son Eğitim Kaybı (Final Loss) | 0.6081 | Step 1500 |
| Plato Evresi Ortalaması (Step 50–1500) | 0.6221 | Step 50+ |
| Kayıp Standart Sapması | 0.1377 | - |
📈 Eğitim Kayıp (Training Loss) Grafiği
💡 Teknik Gözlemler
- Hızlı Yakınsama: Step 10'da
1.6371olan kayıp değeri, Step 50 itibarıyla0.6563seviyesine düşmüş ve model temel yapıyı hızla kavramıştır. - Kararlı Plato: Step 50'den Step 1500'e kadar eğitim kaybı ortalama 0.6221 bandında oldukça kararlı bir seyir izlemiştir.
- Minimum Noktası: Model en yüksek başarım kayıp değerine Step 870'te (0.4761) ulaşmıştır.
---
🛠️ Kullanım Rehberi (Usage)
1. Ollama ile Çalıştırma
Modeli doğrudan Hugging Face üzerindeki GGUF dosyasını çekerek tek komutla çalıştırabilirsiniz:
ollama run hf.co/ahmetggg/Luck-Qwen2.5-Coder-3B-STEM-v0.2-GGUFRun ahmetggg/Luck-Qwen2.5-Coder-3B-STEM-v0.2-GGUF with guIDE
Download guIDE — the AI-native code editor with local LLM inference and 69 built-in tools.
Source: Hugging Face · Compare models