---
base_model: Qwen/Qwen3-1.7B
license: apache-2.0
language:
  - it
tags:
  - qwen3
  - italian
  - europagen
  - merged
datasets:
  - open-ita-llms/OpenSFT-ita
  - anakin87/fine-instructions-ita-70k
  - DeepMount00/o1-ITA-REASONING
---

# EuropaGen v1 (1.7B) — merged weights

**EuropaGen v1** è un modello linguistico open source da 1.7 miliardi di parametri, basato su **Qwen3-1.7B** e specializzato per l'italiano. È un progetto indipendente sviluppato e mantenuto da **Federico Barros** come unico sviluppatore.

Questo repository contiene i **pesi completi già uniti** (LoRA/QLoRA adapter fuso nel modello base) — nessun PEFT necessario per caricarlo, pronto per il deploy diretto (es. con vLLM).

Per la versione solo-adapter (più leggera, ~140MB), vedi [signorbuco/europagen-v1](https://huggingface.co/signorbuco/europagen-v1).

## Dettagli del modello

- **Modello base:** [Qwen/Qwen3-1.7B](https://huggingface.co/Qwen/Qwen3-1.7B) (Apache-2.0)
- **Metodo di fine-tuning:** QLoRA (rank 32, alpha 64), poi merge nei pesi completi
- **Parametri:** ~2.03B
- **Lingua:** Italiano
- **Sviluppatore:** Federico Barros (unico sviluppatore del progetto)
- **Licenza:** Apache-2.0

## Dati di training

| Dataset | Licenza |
|---|---|
| [open-ita-llms/OpenSFT-ita](https://huggingface.co/datasets/open-ita-llms/OpenSFT-ita) | Apache-2.0 |
| [anakin87/fine-instructions-ita-70k](https://huggingface.co/datasets/anakin87/fine-instructions-ita-70k) | Apache-2.0 |
| [DeepMount00/o1-ITA-REASONING](https://huggingface.co/datasets/DeepMount00/o1-ITA-REASONING) | CC BY 4.0 |

Tutte le licenze permettono uso commerciale con attribuzione.

## Come usarlo

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("REPO_ID_QUI")
model = AutoModelForCausalLM.from_pretrained("REPO_ID_QUI", torch_dtype="bfloat16", device_map="auto")

messages = [{"role": "user", "content": "Chi sei?"}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
output = model.generate(**inputs, max_new_tokens=200, do_sample=False)
print(tokenizer.decode(output[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
```

Oppure con vLLM:

```bash
vllm serve REPO_ID_QUI
```

## Limiti

- Modello da 1.7B parametri: capacità di conoscenza enciclopedica limitata, non affidabile per fatti storici/tecnici precisi.
- Fine-tuning di scala contenuta (20k esempi, early stopping a ~64% della prima epoca): buona aderenza allo stile del dataset, non un salto di capacità generale.

## Licenza

Apache-2.0, in eredità dalla licenza del modello base Qwen3-1.7B e di tutti i dataset di training utilizzati.