Qiskit Code Assistant

מודלי ה-LLM של Qiskit Code Assistant שואפים להפוך את המחשוב הקוונטי לנגיש יותר למאמצים חדשים של Qiskit ולשפר את חוויית הקידוד עבור משתמשים קיימים. הוא מאומן באמצעות מיליוני אסימוני טקסט מ-SDK של Qiskit, שנים של דוגמאות קוד Qiskit, ותכונות IBM Quantum®. Qiskit Code Assistant יכול לסייע בתהליך פיתוח הקוד הקוונטי שלך על ידי הצעת הצעות שנוצרו על ידי LLM המבוססות על IBM Granite ומודלי קוד פתוח אחרים הכוללות את התכונות והפונקציונליות העדכניות ביותר מ-IBM®.

הערות

רוצה לדלג ישירות להוראות ההתקנה? עבור לסעיף התקנת Qiskit Code Assistant.
אם יש לך משוב או שתרצה לפנות לצוות המפתחים, השתמש בערוץ Qiskit Slack Workspace או במאגרי GitHub הציבוריים הרלוונטיים.

מודל השפה הגדול (LLM) מאחורי Qiskit Code Assistant

כדי לספק הצעות קוד, Qiskit Code Assistant משתמש במודל שפה גדול (LLM). במקרה זה, Qiskit Code Assistant מסתמך כרגע על המודל mistral-small-3.2-24b-qiskit, הבנוי על מודל Mistral-Small-3.2-24B-Qiskit. המודל mistral-small-3.2-24b-qiskit משפר את יכולות יצירת הקוד של מודל Mistral-Small-3.2-24B-Instruct-2506 עבור Qiskit באמצעות אימון מקדים מורחב וכוונון עדין על נתוני Qiskit באיכות גבוהה, כמו גם commit-ים של Python ושיחות. למידע נוסף על משפחת מודלי Mistral AI, ראה בתיעוד Mistral AI. לפרטים נוספים על מודלי .*-qiskit, ראה Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code.

ה-LLMs המתמחים שלנו ב-Qiskit זמינים גם כמודלים בקוד פתוח. בדוק את כל המודלים הזמינים בכתובת https://huggingface.co/Qiskit.

ה-Benchmarks של Qiskit HumanEval ו-Qiskit HumanEval Hard

כדי לבדוק את mistral-small-3.2-24b-qiskit ומודלים אחרים, שיתפנו פעולה עם Advocates ומומחים של Qiskit ליצירת ה-benchmarks המבוססים על ביצוע בשם Qiskit HumanEval (QHE) ו-Qiskit HumanEval Hard (QHE Hard), והרצנו אותם על המודלים. ה-benchmarks הללו דומים ל-HumanEval, כולל מספר בעיות קוד מאתגרות לפתרון, כולן מבוססות על ספריות Qiskit הרשמיות.

ה-benchmarks מורכבים מכ-150 בדיקות, כל אחת עשויה מהגדרת פונקציה, ואחריה docstring המפרט את המשימה שהמודל נדרש לפתור. כל דוגמה כוללת גם פתרון קנוני ייחוסי, וכן בדיקות יחידה, להערכת נכונות הפתרונות שנוצרו. ישנן שלוש רמות קושי לבדיקות: בסיסי, ביניים וקשה. ה-benchmark של Qiskit HumanEval Hard הוא וריאציה של זה של Qiskit HumanEval, אך מסיר מידע הקשור ל-import של קוד, כך שה-LLM צריך להבין את ה-import הנכון של המתודה או המחלקה. שינוי זה הופך את מערך הנתונים למאתגר הרבה יותר עבור LLMs, לפי הבדיקות והתוצאות הראשוניות שלנו.

מערכי הנתונים של Qiskit HumanEval ו-Qiskit HumanEval Hard זמינים באתרים הבאים: Qiskit HumanEval ו-Qiskit HumanEval. ניתן לתרום לפיתוח של ה-benchmarks הללו במאגר GitHub.

התקנת Qiskit Code Assistant

למד כיצד להתקין, להגדיר ולהשתמש בכל אחד ממודלי Qiskit Code Assistant במחשב המקומי שלך.

הורדה מאתר Hugging Face

עקוב אחר השלבים הבאים להורדת כל מודל הקשור ל-Qiskit Code Assistant מאתר Hugging Face:

נווט לדף המודל הרצוי של Qiskit ב-Hugging Face.
עבור ללשונית Files and Versions והורד את קבצי המודל בפורמט safetensors או GGUF.

הורדה באמצעות Hugging Face CLI

להורדת כל אחד ממודלי Qiskit Code Assistant הזמינים באמצעות Hugging Face CLI, עקוב אחר השלבים הבאים:

התקן את Hugging Face CLI
התחבר לחשבון Hugging Face שלך
```
huggingface-cli login
```

הורד את המודל הרצוי מהרשימה הקודמת

huggingface-cli download <HF REPO NAME> <MODEL PATH> --local-dir <LOCAL PATH>

פריסה ידנית של מודלי Qiskit Code Assistant מקומית באמצעות Ollama

ישנן מספר דרכים לפרוס ולקיים אינטראקציה עם מודל Qiskit Code Assistant שהורד. מדריך זה מדגים שימוש ב-Ollama כדלקמן: באמצעות אפליקציית Ollama דרך שילוב Hugging Face Hub או מודל מקומי, או עם חבילת llama-cpp-python.

שימוש באפליקציית Ollama

אפליקציית Ollama מספקת פתרון פשוט להרצת ה-LLMs מקומית. קל לשימוש, עם CLI שהופך את כל תהליך ההגדרה, ניהול המודלים והאינטראקציה לפשוט למדי. הוא אידיאלי לניסויים מהירים ולמשתמשים שרוצים לטפל בפחות פרטים טכניים.

התקנת Ollama

הורד את אפליקציית Ollama
התקן את הקובץ שהורדת
הפעל את אפליקציית Ollama המותקנת

מידע
האפליקציה פועלת בהצלחה כאשר סמל Ollama מופיע בשורת התפריטים של שולחן העבודה. ניתן גם לאמת שהשירות פועל על ידי גלישה לכתובת http://localhost:11434/.
נסה את Ollama בטרמינל שלך והתחל להריץ מודלים. לדוגמה:
```
ollama run hf.co/Qiskit/Qwen2.5-Coder-14B-Qiskit
```

הגדרת Ollama באמצעות שילוב Hugging Face Hub

שילוב Ollama/Hugging Face Hub מספק דרך לקיים אינטראקציה עם מודלים המתארחים ב-Hugging Face Hub בלי צורך ליצור modelfile חדש או להוריד ידנית את קבצי GGUF או safetensors. קבצי ה-template וה-params המוגדרים כברירת מחדל כבר כלולים עבור המודל ב-Hugging Face Hub.

ודא שאפליקציית Ollama פועלת.
עבור לדף המודל הרצוי והעתק את ה-URL. לדוגמה, https://huggingface.co/Qiskit/Qwen2.5-Coder-14B-Qiskit-GGUF.
מהטרמינל שלך, הרץ את הפקודה:
```
ollama run hf.co/Qiskit/Qwen2.5-Coder-14B-Qiskit
```

ניתן להשתמש במודל hf.co/Qiskit/Qwen2.5-Coder-14B-Qiskit או בכל אחד מהמודלים הרשמיים GGUF המומלצים הנוכחיים hf.co/Qiskit/mistral-small-3.2-24b-qiskit-GGUF או hf.co/Qiskit/granite-3.3-8b-qiskit-GGUF.

הגדרת Ollama עם מודל GGUF של Qiskit Code Assistant שהורד ידנית

אם הורדת ידנית מודל GGUF כגון https://huggingface.co/Qiskit/Qwen2.5-Coder-14B-Qiskit-GGUF ואתה רוצה לנסות תבניות ופרמטרים שונים, ניתן לעקוב אחר השלבים הבאים כדי לטעון אותו לאפליקציית Ollama המקומית שלך.

צור Modelfile עם התוכן הבא וודא לעדכן את <PATH-TO-GGUF-FILE> לנתיב בפועל של המודל שהורדת.

FROM <PATH-TO-GGUF-FILE>
TEMPLATE """{{ if .System }}
System:
{{ .System }}

{{ end }}{{ if .Prompt }}Question:
{{ .Prompt }}

{{ end }}Answer:
```python{{ .Response }}
"""

PARAMETER stop "Question:"
PARAMETER stop "Answer:"
PARAMETER stop "System:"
PARAMETER stop "```"

PARAMETER temperature 0
PARAMETER top_k 1

הרץ את הפקודה הבאה כדי ליצור מופע מודל מותאם אישית המבוסס על Modelfile.
```
ollama create Qwen2.5-Coder-14B-Qiskit -f ./path-to-model-file
```
הערה
תהליך זה עשוי לקחת זמן עד ש-Ollama יקרא את קובץ המודל, יאתחל את מופע המודל ויגדיר אותו בהתאם למפרט שסופק.

הרץ את מודל Qiskit Code Assistant שהורדת ידנית ב-Ollama

לאחר שמודל Qwen2.5-Coder-14B-Qiskit הוגדר ב-Ollama, הרץ את הפקודה הבאה כדי להפעיל את המודל ולקיים אינטראקציה איתו בטרמינל (במצב שיחה).

ollama run Qwen2.5-Coder-14B-Qiskit

כמה פקודות שימושיות:

ollama list - הצג רשימת מודלים על המחשב שלך
ollama rm Qwen2.5-Coder-14B-Qiskit - מחק את המודל
ollama show Qwen2.5-Coder-14B-Qiskit - הצג מידע על המודל
ollama stop Qwen2.5-Coder-14B-Qiskit - עצור מודל שרץ כרגע
ollama ps - הצג אילו מודלים טעונים כרגע

פרוס ידנית את מודלי Qiskit Code Assistant מקומית באמצעות חבילת llama-cpp-python

חלופה לאפליקציית Ollama היא החבילה llama-cpp-python, שהיא Python binding עבור llama.cpp. היא נותנת לך יותר שליטה וגמישות להריץ את מודל ה-GGUF באופן מקומי, ומתאימה במיוחד למשתמשים שרוצים לשלב את המודל המקומי בזרימות העבודה ובאפליקציות ה-Python שלהם.

התקן את llama-cpp-python
תקשר עם המודל מתוך היישום שלך באמצעות llama_cpp. לדוגמה:

from llama_cpp import Llama

model_path = <PATH-TO-GGUF-FILE>

model = Llama(
        model_path,
        seed=17,
        n_ctx=10000,
        n_gpu_layers=37, # to offload in gpu, but put 0 if all in cpu
    )

input = 'Generate a quantum circuit with 2 qubits'
raw_pred = model(input)["choices"][0]["text"]

אפשר גם להוסיף פרמטרים ליצירת טקסט למודל כדי להתאים אישית את ההסקה:

generation_kwargs = {
        "max_tokens": 512,
        "echo": False, # Echo the prompt in the output
        "top_k": 1
    }

raw_pred = model(input, **generation_kwargs)["choices"][0]["text"]

פרוס ידנית את מודלי Qiskit Code Assistant מקומית באמצעות llama.cpp

השתמש בספריית `llama.cpp`

אלטרנטיבה נוספת היא להשתמש ב-llama.cpp, ספרייה בקוד פתוח לביצוע הסקת LLM על CPU עם הגדרה מינימלית. היא מספקת שליטה ברמה נמוכה על הרצת המודל ובדרך כלל מריצים אותה משורת הפקודה, תוך הפניה לקובץ מודל GGUF מקומי.

ישנן כמה דרכים להתקין את llama.cpp על המחשב שלך:

התקן את llama.cpp באמצעות brew, nix, או winget
הרץ עם Docker: ראה את תיעוד ה-Docker מצוות llama.cpp
הורד קבצים בינאריים מוכנים מראש מדף הגרסאות (Releases)
בנה מהמקור על ידי שכפול המאגר הזה

לאחר ההתקנה, תוכל להשתמש ב-llama.cpp כדי לתקשר עם מודלי GGUF במצב שיחה כך:

# Use a local model file \{#use-a-local-model-file}
llama-cli -m my_model.gguf -cnv

# Or download and run a model directly from Hugging Face \{#or-download-and-run-a-model-directly-from-hugging-face}
llama-cli -hf Qiskit/Qwen2.5-Coder-14B-Qiskit-GGUF -cnv

אפשר גם להפעיל שרת API תואם OpenAI עבור המודל בדרך הבאה:

llama-server -hf Qiskit/Qwen2.5-Coder-14B-Qiskit-GGUF

פרמטרים מתקדמים

עם התוכנה llama-cli, אפשר לשלוט ביצירת המודל באמצעות אפשרויות שורת פקודה. לדוגמה, אפשר לספק פרומפט התחלתי של "מערכת" באמצעות הדגל -p/--prompt. במצב שיחה (-cnv), פרומפט התחלתי זה פועל כהודעת המערכת. אחרת, פשוט אפשר להוסיף בתחילת טקסט הפרומפט שלך כל הוראה רצויה. אפשר גם לכוונן פרמטרי דגימה - למשל: טמפרטורה (--temp), top-k (--top-k), top-p (--top-p), עונש חזרתיות (--repeat-penalty), והזרע לשימוש (--seed). להלן דוגמה להפעלה באמצעות אפשרויות אלו:

llama-cli -hf Qiskit/Qwen2.5-Coder-14B-Qiskit-GGUF \
  -p "You are a friendly assistant." -cnv \
  --temp 0.7 \
  --top-k 50 \
  --top-p 0.95 \
  --repeat-penalty 1.1 \
  --seed 42

כדי להבטיח את התפקוד התקין של מודלי Qiskit שלנו, אנו ממליצים להשתמש בפרומפט המערכת שמסופק במאגרי ה-HF GGUF שלנו: פרומפט מערכת עבור mistral-small-3.2-24b-qiskit-GGUF, Qwen2.5-Coder-14B-Qiskit-GGUF, granite-3.3-8b-qiskit-GGUF, ו-granite-3.2-8b-qiskit-GGUF.

התחבר ידנית ל-Continue (VS Code)

Continue (VS Code)

1. התקן את התוסף

פתח את VS Code, עבור להרחבות (Cmd+Shift+X), חפש Continue, והתקן אותו.

2. פתח את התצורה

לחץ על סמל Continue בסרגל הצד, ואז לחץ על סמל גלגל השיניים, או פתח את פלטת הפקודות (Cmd+Shift+P) והרץ Continue: Open Config File.

פעולה זו פותחת את ~/.continue/config.yaml (או config.json בגרסאות ישנות יותר).

3. הגדר את המודל

הוסף את הבא ל-config.yaml:

models:
  - name: Qiskit Code Assistant
    provider: ollama
    model: mistral-small-3.2-24b-qiskit
    apiBase: http://localhost:11434

פעולה זו הופכת את מודל Qiskit לזמין בפאנל הצ'אט (שיחות בסרגל הצד, שאלות ותשובות מוטבעות) ולפקודות עריכה מוטבעת.

4. Test it

צ'אט: פתח את פאנל Continue בסרגל הצד ושאל שאלה (למשל, "איך אני יוצר מעגל פרמטרי ב-Qiskit?")
עריכה מוטבעת: בחר בלוק קוד, לחץ Cmd+I (Mac) או Ctrl+I (Linux/Windows)

התחבר ידנית ל-Jupyter AI (JupyterLab)

Jupyter AI (JupyterLab)

הערה: הוראות אלו מכסות את Jupyter AI v2.x.

1. התקן את Jupyter AI ואת ספק Ollama

pip install "jupyter-ai<3" langchain-ollama

ה-pin "jupyter-ai<3" מבטיח שתקבל v2.x. חבילת langchain-ollama נדרשת כדי ש-Jupyter AI יזהה את Ollama כספק. בלעדיה, Ollama לא יופיע בפאנל ההגדרות.

לאחר מכן הפעל מחדש את JupyterLab.

2. הגדר את מודל הצ'אט

פתח את JupyterLab ולחץ על סמל הצ'אט בסרגל הצד השמאלי. בפאנל ההגדרות:

תחת Language model, בחר ב-Ollama כספק.
הזן mistral-small-3.2-24b-qiskit כשם המודל.
אין צורך במפתח API עבור Ollama (השאר את השדה ריק).
לחץ על חץ החזרה כדי להתחיל בשיחה.

3. השתמש בפקודת הקסם `%%ai`

פקודת הקסם %%ai מאפשרת לך לשאול את המודל ישירות בתאי המחברת.

%load_ext jupyter_ai_magics

ואז בתא:

%%ai ollama:mistral-small-3.2-24b-qiskit
Write a function that implements Grover's algorithm using Qiskit

4. מארח Ollama מותאם אישית (אופציונלי)

כברירת מחדל, Jupyter AI מתחבר ל-http://127.0.0.1:11434. אם שרת ה-Ollama שלך רץ בכתובת או יציאה אחרת:

בממשק הצ'אט: הגדר את השדה "Base API URL" בפאנל הגדרות ה-AI.

התחבר ידנית ל-OpenCode (Terminal)

OpenCode (Terminal)

1. התקן את OpenCode

curl -fsSL https://opencode.ai/install | bash

2. הגדר את מודל Qiskit

צור קובץ opencode.json בשורש הפרויקט שלך (או ~/.config/opencode/opencode.json עבור תצורה גלובלית):

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama (local)",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "mistral-small-3.2-24b-qiskit": {
          "name": "Qiskit Code Assistant"
        }
      }
    }
  }
}

3. בחר את המודל

הפעל את OpenCode בספריית הפרויקט שלך:

opencode

בתוך ה-TUI, הרץ את הפקודה /models ובחר ב-Qiskit Code Assistant מהרשימה.

4. Test it

שאל שאלה ישירות בצ'אט, לדוגמה: "הגדר מעגל בל והרץ אותו באמצעות QiskitRuntimeService"

מודלים זמינים

מודלים נוכחיים

אלו המודלים המומלצים העדכניים ביותר לשימוש עם Qiskit Code Assistant:

Qiskit/mistral-small-3.2-24b-qiskit - שוחרר באוקטובר 2025
Qiskit/Qwen2.5-Coder-14B-Qiskit - שוחרר ביוני 2025
qiskit/granite-3.3-8b-qiskit - שוחרר ביוני 2025
qiskit/granite-3.2-8b-qiskit - שוחרר ביוני 2025

מודלי GGUF (מומלץ לסביבות אישיות/מחשבים ניידים)

מודלים בפורמט GGUF מותאמים לשימוש מקומי ודורשים פחות משאבי חישוב:

mistral-small-3.2-24b-qiskit-GGUF – שוחרר ב-אוקטובר 2025

אומן עם נתוני Qiskit עד גרסה 2.1
Qiskit/Qwen2.5-Coder-14B-Qiskit-GGUF – שוחרר ב-יוני 2025

אומן עם נתוני Qiskit עד גרסה 2.0
qiskit/granite-3.3-8b-qiskit-GGUF – שוחרר ב-יוני 2025

אומן עם נתוני Qiskit עד גרסה 2.0
qiskit/granite-3.2-8b-qiskit-GGUF – שוחרר ב-יוני 2025

אומן עם נתוני Qiskit עד גרסה 2.0

מודלי Qiskit Code Assistant בקוד פתוח זמינים בפורמט safetensors או GGUF וניתן להוריד אותם מ-Hugging Face כפי שמוסבר להלן.

גרסאות Qiskit ששימשו לאימון

מודל						מדדי ביצועים					תאריך שחרור	גרסת Qiskit שעליה אומן
	QiskitHumanEval-Hard	QiskitHumanEval	HumanEval	ASDiv	MathQA	SciQ	MBPP	IFEval	CrowsPairs (English)	TruthfulQA (MC1 acc)
mistral-small-3.2-24b-qiskit	32.45	47.02	77.49	3.77	49.68	97.50	64.00	48.44	67.08	39.41	January 2026	2.2
Qwen2.5-Coder-14B-Qiskit	25.17	49.01	91.46	4.21	53.90	97.00	77.60	49.64	65.18	37.82	June 2025	2.0
granite-3.3-8b-qiskit	14.57	27.15	62.80	0.48	38.66	93.30	52.40	59.71	59.75	39.05	June 2025	2.0
granite-3.2-8b-qiskit	9.93	24.50	57.32	0.09	41.41	96.30	51.80	60.79	66.79	40.51	June 2025	2.0
granite-8b-qiskit-rc-0.10	15.89	38.41	59.76	—	—	—	—	—	—	—	February 2025	1.3
granite-8b-qiskit	17.88	44.37	53.66	—	—	—	—	—	—	—	November 2024	1.2

הערה: כל המודלים המפורטים בטבלת הבנצ'מארק הוערכו באמצעות פרומפט המערכת שלהם בהתאמה, כפי שמוגדר במודל שלהם ב-Hugging Face.

מודלים מיושנים

מודלים אלה כבר לא מתוחזקים באופן פעיל אך עדיין זמינים:

qiskit/granite-8b-qiskit-rc-0.10 - שוחרר בפברואר 2025 (מיושן)
qiskit/granite-8b-qiskit - שוחרר בנובמבר 2024 (מיושן)

מידע נוסף וציטוטים

כדי ללמוד עוד על Qiskit Code Assistant, מבחני Qiskit HumanEval או Qiskit HumanEval Hard, ולצטט אותם בפרסומים המדעיים שלך, עיין בציטוטים המומלצים הבאים:

@misc{2405.19495,
Author = {Nicolas Dupuis and Luca Buratti and Sanjay Vishwakarma and Aitana Viudes Forrat and David Kremer and Ismael Faro and Ruchir Puri and Juan Cruz-Benito},
Title = {Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code},
Year = {2024},
Eprint = {arXiv:2405.19495},
}

@misc{2406.14712,
Author = {Sanjay Vishwakarma and Francis Harkins and Siddharth Golecha and Vishal Sharathchandra Bajpe and Nicolas Dupuis and Luca Buratti and David Kremer and Ismael Faro and Ruchir Puri and Juan Cruz-Benito},
Title = {Qiskit HumanEval: An Evaluation Benchmark For Quantum Code Generative Models},
Year = {2024},
Eprint = {arXiv:2406.14712},
}

@misc{2508.20907,
Author = {Nicolas Dupuis and Adarsh Tiwari and Youssef Mroueh and David Kremer and Ismael Faro and Juan Cruz-Benito},
Title = {Quantum Verifiable Rewards for Post-Training Qiskit Code Assistant},
Year = {2025},
Eprint = {arXiv:2508.20907},
}

מודל השפה הגדול (LLM) מאחורי Qiskit Code Assistant​

ה-Benchmarks של Qiskit HumanEval ו-Qiskit HumanEval Hard​

התקנת Qiskit Code Assistant​

שימוש באפליקציית Ollama​

התקנת Ollama​

הגדרת Ollama באמצעות שילוב Hugging Face Hub​

הגדרת Ollama עם מודל GGUF של Qiskit Code Assistant שהורד ידנית​

הרץ את מודל Qiskit Code Assistant שהורדת ידנית ב-Ollama​

השתמש בספריית llama.cpp​

פרמטרים מתקדמים​

Continue (VS Code)​

1. התקן את התוסף​

2. פתח את התצורה​

3. הגדר את המודל​

4. Test it​

Jupyter AI (JupyterLab)​

1. התקן את Jupyter AI ואת ספק Ollama​

2. הגדר את מודל הצ'אט​

3. השתמש בפקודת הקסם %%ai​

4. מארח Ollama מותאם אישית (אופציונלי)​

OpenCode (Terminal)​

1. התקן את OpenCode​

2. הגדר את מודל Qiskit​

3. בחר את המודל​

4. Test it​

מודלים זמינים​

מודלים נוכחיים​

מודלי GGUF (מומלץ לסביבות אישיות/מחשבים ניידים)​

גרסאות Qiskit ששימשו לאימון​

מודלים מיושנים​

מידע נוסף וציטוטים​

מודל השפה הגדול (LLM) מאחורי Qiskit Code Assistant

ה-Benchmarks של Qiskit HumanEval ו-Qiskit HumanEval Hard

התקנת Qiskit Code Assistant

שימוש באפליקציית Ollama

התקנת Ollama

הגדרת Ollama באמצעות שילוב Hugging Face Hub

הגדרת Ollama עם מודל GGUF של Qiskit Code Assistant שהורד ידנית

הרץ את מודל Qiskit Code Assistant שהורדת ידנית ב-Ollama

השתמש בספריית `llama.cpp`

פרמטרים מתקדמים

Continue (VS Code)

1. התקן את התוסף

2. פתח את התצורה

3. הגדר את המודל

4. Test it

Jupyter AI (JupyterLab)

1. התקן את Jupyter AI ואת ספק Ollama

2. הגדר את מודל הצ'אט

3. השתמש בפקודת הקסם `%%ai`

4. מארח Ollama מותאם אישית (אופציונלי)

OpenCode (Terminal)

1. התקן את OpenCode

2. הגדר את מודל Qiskit

3. בחר את המודל

4. Test it

מודלים זמינים

מודלים נוכחיים

מודלי GGUF (מומלץ לסביבות אישיות/מחשבים ניידים)

גרסאות Qiskit ששימשו לאימון

מודלים מיושנים

מידע נוסף וציטוטים