YvyrAI Nano

# clonar el repo del proyecto y desde su raiz:
from safetensors.torch import load_file
from config import ModelConfig
from model import ReasoningModel
from data import load_tokenizer
import json, torch

cfg = ModelConfig(**json.load(open("config.json"))["model_config"])
modelo = ReasoningModel(cfg)
modelo.load_state_dict(load_file("model_ema.safetensors"))
modelo.cuda().eval()
tok = load_tokenizer("tokenizer.json")

# La plantilla del entrenamiento es OBLIGATORIA. Sin esto, continua texto.
prompt = ("<|sistema|>Eres un asistente que explica paso a paso en español."
          "<|usuario|>Hola, como estas?<|respuesta|>")
ids = torch.tensor([[2] + tok.encode(prompt).ids]).cuda()   # 2 = <|bos|>
salida = modelo.generate(ids, max_new_tokens=80, temperature=0.6,
                         delib_min_iters=7, delib_max_iters=7)  # 7 = optimo
print(tok.decode(salida[0, ids.shape[1]:].tolist()))

@misc{yvyrai100mnano,
  title  = {YvyrAI-100m-Nano: LLM en español con profundidad recurrente,
            entrenada desde cero en Paraguay},
  author = {Juan Manuel Acosta Ramírez},
  year   = {2026},
  url    = {https://yvyrai.lat/paper},
  note   = {Primera LLM paraguaya con arquitectura propia. Entrenada en una
            GPU de consumo de 8 GB}
}