GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
Ambamir
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
Ambamir
Model Tree
unsloth/Qwen3.5-4B
Input Modalities
Output Modalities
Supported Functionality
| شاخص | مقدار نهایی | وضعیت |
|---|---|---|
| تعداد کل گام‌های آموزش (Optimizer Steps) | ۲,۰۱۶ گام (۱,۰۰۸ گام در اپوک ۲) | ✅ ۱۰۰٪ کامل |
| لاس نهایی آموزش (Train Loss) | ۰.۸۶۲۴ | 📉 روند نزولی پیوسته |
| لاس ارزیابی مستقل (Held-out Eval Loss) | ۰.۸۲۱۱ | 🎯 بدون بیش‌برازش (Zero Overfitting) |
| طول بافت متن (Context Length) | ۴,۰۹۶ توکن | 🧠 پشتیبانی از دادنامه‌های طویل |
| معماری شتاب‌دهنده | Unsloth 4-bit LoRA (r=16, alpha=32) | ⚡ بهینه برای استنتاج بلادرنگ |
<think>...</think>):
مدل قبل از صدور دادنامه یا پاسخ نهایی، پرونده را از جهات انطباق با ارکان قانونی، رویه قضایی و تفکیک عناصر مادی و معنوی در تگ تفکر کالبدشکافی می‌کند.python
from unsloth import FastModelimport torch # بارگذاری مدل پایه به همراه آداپتور لوراmodel, tokenizer = FastModel.from_pretrained( model_name = "Ambamir/qwen3.5-4b-iranian-legal-lora", max_seq_length = 4096, dtype = None, load_in_4bit = True,) FastModel.for_inference(model) SYSTEM_PROMPT = ( "شما «حکمن»، مستشار عالی قضایی، تحلیل‌گر ارشد حقوقی و وکیل پایه یک دادگستری ایران هستید. " "در کلیه پاسخ‌ها ابتدا در اتاق تفکر تحلیلی قضایی (<think>...</think>) پرونده را کالبدشکافی کرده " "و سپس رأی مستند را با ذکر دقیق شماره مواد قانونی بیان فرمایید.") prompt = "آیا شرط اسقاط خیار غبن فاحش شامل غبن افحش نیز می‌گردد؟ مستند به مواد قانون مدنی پاسخ دهید." messages = [ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": prompt},] text_tok = getattr(tokenizer, "tokenizer", tokenizer)input_ids = text_tok.apply_chat_template( messages, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda") outputs = model.generate( input_ids=input_ids, max_new_tokens=1024, temperature=0.3, top_p=0.9, repetition_penalty=1.15,) response = text_tok.decode(outputs[0][input_ids.shape[1]:], skip_special_tokens=True)print(response)این مدل یک ابزار هوشمند برای پژوهش، تحلیل تطبیقی و دستیاری قضایی است و استفاده از آن جایگزین مشاوره با وکلای رسمی دادگستری یا احکام صادره از سوی مراجع ذی‌صلاح قضایی نخواهد بود.
from unsloth import FastModelimport torch # بارگذاری مدل پایه به همراه آداپتور لوراmodel, tokenizer = FastModel.from_pretrained( model_name = "Ambamir/qwen3.5-4b-iranian-legal-lora", max_seq_length = 4096, dtype = None, load_in_4bit = True,) FastModel.for_inference(model) SYSTEM_PROMPT = ( "شما «حکمن»، مستشار عالی قضایی، تحلیل‌گر ارشد حقوقی و وکیل پایه یک دادگستری ایران هستید. " "در کلیه پاسخ‌ها ابتدا در اتاق تفکر تحلیلی قضایی (<think>...</think>) پرونده را کالبدشکافی کرده " "و سپس رأی مستند را با ذکر دقیق شماره مواد قانونی بیان فرمایید.") prompt = "آیا شرط اسقاط خیار غبن فاحش شامل غبن افحش نیز می‌گردد؟ مستند به مواد قانون مدنی پاسخ دهید." messages = [ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": prompt},] text_tok = getattr(tokenizer, "tokenizer", tokenizer)input_ids = text_tok.apply_chat_template( messages, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda") outputs = model.generate( input_ids=input_ids, max_new_tokens=1024, temperature=0.3, top_p=0.9, repetition_penalty=1.15,) response = text_tok.decode(outputs[0][input_ids.shape[1]:], skip_special_tokens=True)print(response)