初始化项目，由ModelHub XC社区提供模型

Model: GnLOLot/MiniCPM5-1B-Claude-Opus-Fable5-Thinking
Source: Original Platform

README-cn.md

@@ -0,0 +1,103 @@
+---
+library_name: transformers
+license: apache-2.0
+language:
+  - en
+  - zh
+base_model: openbmb/MiniCPM5-1B
+base_model_relation: finetune
+pipeline_tag: text-generation
+tags:
+  - minicpm
+  - minicpm5
+  - thinking
+  - fable5
+  - coding
+  - instruction-following
+---
+
+<p align="center">
+  <img src="assets/banner.png" alt="MiniCPM5-1B-Claude-Opus-Fable5-Thinking" width="100%"/>
+</p>
+
+# MiniCPM5-1B-Claude-Opus-Fable5-Thinking
+
+GGUF 量化版：**[MiniCPM5-1B-Claude-Opus-Fable5-Thinking-GGUF](https://huggingface.co/GnLOLot/MiniCPM5-1B-Claude-Opus-Fable5-Thinking-GGUF)**
+
+[English README](./README.md)
+
+**MiniCPM5-1B-Claude-Opus-Fable5-Thinking** 是基于 [openbmb/MiniCPM5-1B](https://huggingface.co/openbmb/MiniCPM5-1B) 的 1B **Thinking** 语言模型。该模型使用 **Fable 5** 数据进一步微调，增强了 **Coding（编程）** 与 **指令遵循（Instruction Following）** 能力，同时保留 MiniCPM5 原生的 Thinking 对话模板与工具调用格式。
+
+llama.cpp / Ollama / LM Studio 部署请参阅 **[GGUF 仓库](https://huggingface.co/GnLOLot/MiniCPM5-1B-Claude-Opus-Fable5-Thinking-GGUF)**。
+
+---
+
+## 模型概述
+
+| 项目 | 说明 |
+|---|---|
+| **基座模型** | [openbmb/MiniCPM5-1B](https://huggingface.co/openbmb/MiniCPM5-1B)（1B 稠密 Llama 架构） |
+| **后训练数据** | Fable 5 traces |
+| **主要提升** | 相较基座，Coding 与指令遵循能力更强 |
+| **对话格式** | MiniCPM5 原生 Thinking 模板，支持可选的思维链推理块 |
+| **上下文长度** | **128K**（`max_position_embeddings = 131072`） |
+| **部署特点** | 单卡友好，适合边缘 / 本地场景 |
+
+---
+
+## 能力
+
+- **Coding** — 代码生成、调试及软件工程类任务
+- **Instruction Following** — 更稳定地遵循用户提示与结构化任务约束
+- **Thinking 模式** — 通过 MiniCPM5 对话模板进行思维链推理
+- **工具调用** — 继承 MiniCPM5 的 XML 工具调用格式
+- **长上下文** — 最高 **128K tokens**（`config.json` 中为 131,072）
+
+---
+
+## 快速开始
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+import torch
+
+model_id = "GnLOLot/MiniCPM5-1B-Claude-Opus-Fable5-Thinking"
+
+tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
+model = AutoModelForCausalLM.from_pretrained(
+    model_id, trust_remote_code=True,
+    torch_dtype=torch.bfloat16, device_map="auto",
+)
+
+messages = [{"role": "user", "content": "写一个 Python 函数，合并两个有序链表。"}]
+text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
+inputs = tokenizer(text, return_tensors="pt").to(model.device)
+outputs = model.generate(**inputs, max_new_tokens=512, do_sample=False)
+print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
+```
+
+---
+
+## 采样建议
+
+生成参数继承自 **[MiniCPM5-1B](https://huggingface.co/openbmb/MiniCPM5-1B)**：
+
+| 模式 | 参数 |
+|---|---|
+| **Think**（默认） | `temperature=0.9, top_p=0.95` |
+| **No Think** | `temperature=0.7, top_p=0.95`，`enable_thinking=False` |
+
+---
+
+## 局限性
+
+- **Thinking 输出** — 模型可能在最终回答前输出推理块；下游应用可在展示前将其剥离
+- **1B 体量** — 面向轻量本地部署，非前沿规模通用推理模型
+
+---
+
+## 许可与致谢
+
+- 许可证：**Apache-2.0**（继承自 MiniCPM5-1B）
+- 基座：[OpenBMB / MiniCPM5-1B](https://huggingface.co/openbmb/MiniCPM5-1B)
+- GGUF：[llama.cpp](https://github.com/ggml-org/llama.cpp)