Turkish language model from ufak AI
ufakzeka-1
A 151M parameter Turkish language model trained from scratch. Open weights, open data recipe, Apache-2.0.
At a glance
- 151Mparameters
- 13.5Bpretraining tokens
- < $300total cost
- Apache-2.0license
Samples5real exchanges, as they came
Example conversations
ufakzeka-1
merhaba ben Elif
Memnun oldum, Elif!
Kerem adında bir çocuk hakkında üç cümlelik bir masal anlat
Kerem, köy evinin bahçesinde oynarken çiçeklerin arasına saklandı. Biraz sonra gözleri görünmüyordu. Yoktu! Kerem çok üzüldü. Yapraklara baktı, toprağa baktı, ama bir türlü bulamadı. Sonra küçük bir karınca gördü. Karınca bir şeyler arıyordu. Kerem merakla karıncayı takip etti. Karınca büyük bir yaprağın altında kalmış! Uçamıyordu çünkü ağırlaşmış. Kerem üzüldü. Karınca, 'Yardım edin,' dedi. Kerem önce korktu, ama sonra cesaretini topladı. Yavaşça karıncayı avucuna aldı. Yaprağı dikkatlice karıncanın üstüne koydu. Karınca havalanıp uçmayı denedi. Çok mutlu oldu! 'Teşekkürler Kerem!' dedi. Kerem ve karınca bahçede birlikte oynadılar. Çiçeklerin yanından koştular, kelebekleri takip ettiler. Güneş batarken Kerem annesine koştu. 'Bahçedeki maceramı anlatmıştım,' dedi. Annesi onu kucakladı. Kerem o gün öğrendi ki, korktuğunda bile yardım istemekten çekinmemek gerekir. Ve bir minik canlının, büyük bir dostluk gösterebileceğini gördü. Artık her akşam bahçede bugünü birlikte kutluyorlar.
benim adım ne
Elif. Sohbetin başında söylemiştin.
bana bilmece sor
İşte bir bilmece: Dal üstünde kilitli sandık. Nedir o?
bilmiyorum, cevabı ne?
Cevap: ceviz! Bir tane daha ister misin?
bana kısa bir masal anlat
Bir sabah, dağ eteğinde bir ses duyuldu. Cıvıl cıvıl bir ses: 'Ağacı ağaçtır, sarıdır, havlar!' Bu sesi küçük Poyraz duydu. Poyraz, dağ eteğindeki köyde yaşayan bir çocuktur. Her sabah koşarak gelir, ağacın altına bakar. Ama o gün bir şey farklıydı. Ağacın dalında küçük bir sarı kuş konmuştu. Kuşun kanadı ağrıyordu, uçamıyordu. Poyraz önce durakladı. 'Bu kuş soğukta kalmış olmalı' dedi. Ama sonra kuşun gözlerine baktı. Kuş çok yorgun görünüyordu. Poyraz düşündü: 'Hızlı hızlı bir kuşa bakmalıyım.' Koşarak köy kütüphanesine gitti. Orada büyük, tüylü bir kuştu. Poyraz, kuşu kollarına aldı. Tüylü çok yumuşaktı. Poyraz, kuşu evine götürdü. Ona su verdi, yumuşak bir yatak yaptı. Günler geçti. Kuşun kanadı iyileşti. Poyraz her sabah kuşu besledi. Bir ay sonra sarı kuş kanatlarını çırptı. Uçtu, uçtu ve ağaca kondu. Kanadı ağrıyordu ama mutluydu. Poyraz elini salladı. 'Güle güle küçük dostum!' dedi. Kuş da dönüp Poyraz'a teşekkür etti. O günden sonra her akşam, sarı kuş Poyraz'ın penceresine gelir, ona şarkı söyler. Köyde herkes bu dostluğu bilir. Küçük bir iyilik, büyük bir dostluk getirir.
kahramanın adı neydi?
Kahramanın adı Poyraz'dı.
bu masaldan ne öğrendik?
Bu masal, küçük bir iyiliğin bile büyük dostluklar doğurabileceğini gösteriyor. Sabır ve dikkat, beklenmedik anlarda yardım eli uzatmaya yeter.
yarın yağmur yağar mı sence
Gelecek hava durumunu tahmin edemem, meteorolojik veriye erişimim yok. MGM'nin sitesinden güncel tahminlere bakabilirsin.
tahmin et bari
Gerçekten bilemem, uydurursam seni yanıltmış olurum. Yarın için güvenilir bir hava durumu uygulamasına bakman en iyisi.
peki saat kaç
Bunu bilemem. Saati, tarihi veya güncel bilgileri göremiyorum; eğitim verilerimle sınırlıyım ve internete erişimim yok.
1200 eksi 47
1200: binler 1, yüzler 2, onlar 0, birler 0. 47: binler 0, yüzler 0, onlar 4, birler 7. hizala: 1200 - 0047. borç: birler 1, onlar 1, yüzler 0, binler 0. birler: 10 - 7 = 3; onlar: 9 - 4 = 5; yüzler: 1 - 0 = 1; binler: 1 - 0 = 1. ters 3 5 1 1, düz 1 1 5 3. Sonuç: 1200 - 47 = 1153.
yüzde 25 indirimle 1500 lira kaça gelir
İndirim: yüzde 25 dörtte biri demek: 1500 / 4 = 375 lira. 1500 - 375: 1500: binler 1, yüzler 5, onlar 0, birler 0. 375: binler 0, yüzler 3, onlar 7, birler 5. hizala: 1500 - 0375. borç: birler 1, onlar 1, yüzler 0, binler 0. birler: 10 - 5 = 5; onlar: 9 - 7 = 2; yüzler: 4 - 3 = 1; binler: 1 - 0 = 1. ters 5 2 1 1, düz 1 1 2 5, yani 1125. Sonuç: 1500 - 375 = 1125 lira.
Evaluation7tasks, one harness, 5 models
Measured in one harness
Our model and the baselines were measured with the same harness. The five models sit well above random guessing on four of the seven tasks and close to it on the other three. On ARC-e and XCOPA, two of those four, ufakzeka-1 is less than three points behind the Turkish models five times its size; on TurBLiMP, which measures grammar, it is 5 to 8 points behind.
Stones are proportional to parameter count.
| Model | Params | HellaSwag | ARC-c | ARC-e | XCOPA | Belebele | TurBLiMP | TurkishMMLU |
|---|---|---|---|---|---|---|---|---|
| ufakzeka-1 | 151M | 33.2 | 27.6 | 38.8 | 59.8 | 27.4 | 90.1 | 23.3 |
| ufakzeka-1-base | 151M | 35.3 | 27.6 | 39.1 | 60.0 | 27.6 | 92.4 | 19.2 |
| Kanarya-750M | 750M | 37.8 | 26.5 | 41.4 | 61.2 | 23.4 | 95.3 | 16.2 |
| turkish-gpt2-large | 774M | 35.3 | 25.4 | 40.4 | 60.6 | 22.4 | 98.2 | 19.0 |
| Qwen2.5-0.5B | 494M | 29.2 | 23.6 | 28.6 | 54.6 | 29.9 | 70.0 | 18.2 |
| Random guess | 25 | 25 | 25 | 50 | 25 | 50 | 20 |
Every model measured with the same harness and no worked examples; the score is the share of questions where the model finds the correct option most likely. HellaSwag and ARC are length-corrected accuracy, the rest raw. TurBLiMP averages 16 subsets, TurkishMMLU 9 subjects. Details in the model card.
Cost$286total spend
Where the money went
The total and the API line are from the bills; pretraining is its run hours at list price, and fine-tuning and evaluation are the rest. Pretraining ran in August, fine-tuning and every measurement in September. The full ledger is in the repository.
Limits5measured limits, also in the card
What it cannot do
- It invents facts it does not have. Ask the distance from Ankara to İstanbul and it answers with a number rather than saying it does not know. It only declines the classes it was taught: time, date, weather, news, prices, personal details, the future. Quantities in recipes are unreliable too.
- No code. Ask for Python and it writes prose.
- Arithmetic one question at a time, working shown. Ask it to check the same sum and it can repeat the working correctly and write a wrong number on the result line. One calculation per message.
- After a long story it can confuse who is who: in a 200-conversation run it mixed the user’s name up with a character’s, or kept an earlier name, in 38 conversations.
- It knows nothing after summer 2026.
Usage196 MBq8_0, runs on an ordinary laptop
Run it
The architecture is plain Qwen3; transformers needs no custom code. The GGUF files need a small tokenizer patch applied to llama.cpp; details in the docs.
llama-cli -m ufakzeka-1-q8_0.gguf --temp 0.3 --top-k 40 --top-p 0.9 --repeat-penalty 1.0 --dry-multiplier 0 -n 520