Tessa T1 3B

🚀 Tessa-T1

Tessa-T1は、強力なQwen2.5-Coder-3B-Instructベースモデルから微調整された革新的なTransformerベースのReact推論モデルです。Reactフロントエンド開発に特化して設計され、高度な推論能力を活用して、構造が整った意味論的なReactコンポーネントを自動生成します。エージェントシステムへの統合により、ウェブインターフェース開発の自動化やフロントエンドコードのインテリジェンス化に強力なツールとなります。

🚀 クイックスタート

Tessa-T1は、Transformerエンコーダーベースのモデルで、Reactフロントエンド開発に特化した推論能力を備えています。以下のコード例では、Tessa-T1を使用してReactコンポーネントを生成する方法を示しています。

from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "smirki/Tessa-T1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda")
prompt = """<|im_start|>user
Create a React component for a user profile card.<|im_end|>
<|im_start|>assistant
<|im_start|>think
"""
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=1500, do_sample=True, temperature=0.7)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

✨ 主な機能

• React特化の推論：機能的で意味論的なReactコンポーネントを正確に生成します。
• エージェント統合：AI駆動のコーディングエージェントや自律的なフロントエンドシステムにシームレスに統合できます。
• コンテキスト認識型生成：UIコンテキストを効果的に理解し、関連するコードソリューションを提供します。

💻 使用例

基本的な使用法

from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "smirki/Tessa-T1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda")
prompt = """<|im_start|>user
Create a React component for a user profile card.<|im_end|>
<|im_start|>assistant
<|im_start|>think
"""
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=1500, do_sample=True, temperature=0.7)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

📚 ドキュメント

推奨使用例

• 自動コンポーネント生成：テキストプロンプトから迅速にReactコンポーネントを生成します。
• エージェントベースのウェブ開発：自動化コーディングシステムに統合して、フロントエンドワークフローを高速化します。
• フロントエンドリファクタリング：Reactコードの最適化と意味論的な強化を自動化します。

制限事項

• Reactに特化：React.jsフレームワーク外での使用は制限されます。
• 複雑な状態管理：高度に動的な状態管理シナリオでは、手動での調整が必要になる場合があります。

🔧 技術詳細

📄 ライセンス

Apache-2.0ライセンスの下で提供されています。

引用

@misc{smirki_Tessa-T1,
  title={Tessa-T1: React-Focused Reasoning Model for Component Generation},
  author={tesslate},
  year={2025},
  publisher={Hugging Face},
  url={https://huggingface.co/tesslate/Tessa-T1}
}

コンタクトとコミュニティ

• 作成者: smirki
• リポジトリとデモ: 近日公開予定！

Sponsored by vichar ai Huggingface Website