Instructions to use Kolyadual/Newton-bot-3-text-mini-8B with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Kolyadual/Newton-bot-3-text-mini-8B with Transformers:

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

pipe = pipeline("text-generation", model="Kolyadual/Newton-bot-3-text-mini-8B")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Kolyadual/Newton-bot-3-text-mini-8B")
model = AutoModelForCausalLM.from_pretrained("Kolyadual/Newton-bot-3-text-mini-8B")
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 Kolyadual/Newton-bot-3-text-mini-8B with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Kolyadual/Newton-bot-3-text-mini-8B"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Kolyadual/Newton-bot-3-text-mini-8B",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/Kolyadual/Newton-bot-3-text-mini-8B

SGLang

How to use Kolyadual/Newton-bot-3-text-mini-8B 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 "Kolyadual/Newton-bot-3-text-mini-8B" \
    --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": "Kolyadual/Newton-bot-3-text-mini-8B",
		"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 "Kolyadual/Newton-bot-3-text-mini-8B" \
        --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": "Kolyadual/Newton-bot-3-text-mini-8B",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use Kolyadual/Newton-bot-3-text-mini-8B with Docker Model Runner:
```
docker model run hf.co/Kolyadual/Newton-bot-3-text-mini-8B
```

Newton-bot-3-text-mini-8B / README.md

Kolyadual

Update README.md

cde6646 verified 5 months ago

preview code

Raw

History Blame Contribute Delete

5.96 kB

metadata

base_model:
  - Qwen/Qwen3-8B
library_name: transformers
tags:
  - mergekit
  - merge
  - NewtonBot
  - NewtonBotFamilyTree
  - chemistry
  - biology
  - legal
  - code
  - moe
  - medical
  - agent
  - text-generation-inference
license: gpl-3.0
model_name: Newton Bot 3
author: Kolyadual
language:
  - ru
  - en
  - aa
  - ab
  - ae
  - af
  - ak
  - am
  - an
  - ar
  - as
  - av
  - ay
  - az
  - ba
  - be
  - bg
  - bh
  - bi
  - bm
  - bn
  - bo
  - br
  - bs
  - ca
  - ce
  - ch
  - co
  - cr
  - cs
  - cu
  - cv
  - cy
  - da
  - de
  - dv
  - dz
  - ee
  - el
  - eo
  - es
  - et
  - eu
  - fa
  - ff
  - fi
  - fj
  - fo
  - fr
  - fy
  - ga
  - gd
  - gl
  - gn
  - gu
  - gv
  - ha
  - he
  - hi
  - ho
  - hr
  - ht
  - hu
  - hy
  - hz
  - ia
  - id
  - ie
  - ig
  - ii
  - ik
  - io
  - is
  - it
  - iu
  - ja
  - jv
  - ka
  - kg
  - ki
  - kj
  - kk
  - kl
  - km
  - kn
  - ko
  - kr
  - ks
  - ku
  - kv
  - kw
  - ky
  - la
  - lb
  - lg
  - li
  - ln
  - lo
  - lt
  - lu
  - lv
  - mg
  - mh
  - mi
  - mk
  - ml
  - mn
  - mr
  - ms
  - mt
  - my
  - na
  - nb
  - nd
  - ne
  - ng
  - nl
  - nn
  - 'no'
  - nr
  - nv
  - ny
  - oc
  - oj
  - om
  - or
  - os
  - pa
  - pi
  - pl
  - ps
  - pt
  - qu
  - rm
  - rn
  - ro
  - rw
  - sa
  - sc
  - si
  - sd
  - se
  - sg
  - sk
  - sl
  - sm
  - sn
  - so
  - sq
  - sr
  - ss
  - st
  - su
  - sv
  - sw
  - ta
  - te
  - tg
  - th
  - ti
  - tk
  - uk
  - tt
  - tw
  - ty
  - ug
  - ur
  - uz
  - ve
  - xh
  - yi
  - vi
  - vo
  - wa
  - wo
  - yo
  - za
  - zh
  - zu
  - ts
  - tr
  - to
  - tn
  - tl
datasets:
  - TeichAI/gemini-3-pro-preview-high-reasoning-250x
  - Gryphe/ChatGPT-4o-Writing-Prompts
  - TeichAI/claude-4.5-opus-high-reasoning-250x

Newton Bot 3

Developed by Kolyadual

Описание • Ключевые Особенности • Использование

Описание модели

Newton Bot 3 — это высокопроизводительная модель нового поколения из семейства Newton bot, созданная буквально для всего! Основанная на мощном фундаменте Qwen и дистиллированная с использованием методик DeepSeek-R1, также дообученая на датасете Gemini от TeichAI. Нейросеть сочетает в себе глубокие знания и умение строить многоступенчатые цепочки рассуждений (Chain-of-Thought).

Newton bot 3 text mini - модель Newton bot 3, оптимизированная для работы на компьютерах, генерации текста, кодинга и всего что связано с текстом.

Ключевые особенности:

Продвинутый Reasoning: Модель сначала "думает", выстраивая логическую структуру ответа, а затем выдает результат.
Мастер Кодинга: Оптимизирована для написания сложного кода, отладки и архитектурного планирования.
Математический интеллект: Способна решать задачи уровня олимпиад и высшей математики.
Мультиязычность: Полная поддержка русского и английского языков с учетом культурного контекста.
Рецепты: Огромная база данных кулинарных рецептов
Профи-функционал: 8B параметров - хорошие значения для общения с нейросетью и познания чего-либо нового! По максимуму точная модель, дообученая на лидирующих поделях таких как DeepSeek, Gemini 3 pro, Claude 4.5 дает максимально точный ответ в рамках 2025-2026 годов (и раньше).

Как использовать

Вы можете запустить Newton Bot 3 локально, используя библиотеку transformers:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Kolyadual/Newton-bot-3-text-mini-8B" # Или же путь к папке с моделью

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto"
)

prompt = "Реши уравнение Шрёдингера для частицы в бесконечной потенциальной яме."
messages = [{"role": "user", "content": prompt}]

inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to("cuda")
outputs = model.generate(inputs, max_new_tokens=1024)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Merge Details

Merge Method

This model was merged using the SLERP merge method.

Models Merged

The following models were included in the merge:

Qwen
Gemini
DeepSeek

Configuration

The following YAML configuration was used to produce this model:

slices:
  - sources:
      - model: DeepSeek-qwen-moe
        layer_range: [0, 36]
      - model: Gemini
        layer_range: [0, 36]
      - model: Claude
        layer_range:  [0, 36]
merge_method: slerp
base_model: DeepSeek-qwen-moe
parameters:
  t:
    - filter: self_attn
      value: [0.4, 0.6]
    - filter: mlp
      value: [0.6, 0.4]
    - value: 0.5
dtype: bfloat16
tokenizer_source: base # Используем токенизатор DeepSeek для корректной работы <think>

Ждите новые модели из семейства Newton bot! И не забудьте поставить лайк модели! ;)