ufak AI’dan Türkçe dil modeli

ufakzeka-1

Sıfırdan eğitilmiş, 151M parametreli Türkçe dil modeli. Ağırlıkları ve eğitim tarifi açık; Apache-2.0 lisanslı.

Sohbete başla Hugging Face Dokümantasyon

151Mparametre
13,5 milyarön eğitim tokenı
< 300 $toplam maliyet
Apache-2.0lisans

Örnekler5gerçek sohbet, olduğu gibi

Modelle örnek sohbetler

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.

Model çıktıları olduğu gibi verilmiştir; sıcaklık 0, düzenleme yok.

Değerlendirme7görev, tek düzenek, 5 model

Aynı düzenekte ölçüldü

Kendi modellerimizi ve karşılaştırdığımız modelleri aynı düzenekle ölçtük. Türkçe eğitilmiş üç model yedi görevin dördünde rastgele tahminin belirgin biçimde üstüne çıkmakta, üçünde ise ona yakın kalmaktadır; Qwen2.5-0.5B yalnızca TurBLiMP’te belirgin biçimde üstündedir. ARC-e ve XCOPA’da ufakzeka-1, kendisinin beş katı büyüklüğündeki iki Türkçe modelin üç puandan az gerisinde; dil bilgisini ölçen TurBLiMP’te ise 5 ile 8 puan gerisindedir.

Taşlar parametre sayısıyla orantılıdır.

Model	Parametre	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
Rastgele tahmin		25	25	25	50	25	50	20

Bütün modeller aynı düzenekle ve örnek gösterilmeden (zero-shot) ölçülmüştür; puan, modelin doğru seçeneği en olası bulduğu soruların yüzdesidir. HellaSwag ve ARC için uzunluğa göre normalize edilmiş doğruluk (length-normalised accuracy), diğerleri için ham doğruluk kullanılmıştır. TurBLiMP 16 alt kümenin, TurkishMMLU 9 alanın ortalamasıdır. Ayrıntılar model kartındadır.

Maliyet286 $toplam harcama

Para nereye gitti

Ön eğitim (GPU)13,5 milyar token · H100

$66

İnce ayar ve değerlendirme (GPU, Colab)SFT · tarama · kabul testleri · L4 / L40S / H100 · Colab

$183

Veri üretimi ve değerlendirici model (API)LLM API

$37

Toplam

$286

Toplam ve API tutarı faturalardan alındı; ön eğitim tutarı çalışma saatlerinin liste fiyatıyla hesaplandı, ince ayar ve değerlendirme kalan tutardır. Ön eğitim ağustosta, ince ayar ve ölçümler eylülde yapıldı. Ayrıntılı harcama defteri repoda bulunmaktadır.

Sınırlar5ölçülmüş sınır, kartta da yazılı

Neyi yapamaz

Bilmediği bilgileri uydurur. Ankara–İstanbul mesafesini sorarsanız bilmediğini söylemek yerine bir sayı verir. Yalnızca öğretildiği konularda “bilmiyorum” der: saat, tarih, hava, haber, fiyat, kişisel bilgi, gelecek. Yemek tariflerindeki ölçüler de güvenilir değildir.
Kod yazamaz. Python istediğinizde düzyazı üretir.
Aritmetiği tek soruda, adımlarını yazarak yapar. Aynı hesabı “emin misin” diye sorarsanız işlemi doğru tekrarlayıp sonuç satırına yanlış sayı yazabilir. Her mesajda tek hesap sorun.
Uzun bir hikâyeden sonra kimin kim olduğunu karıştırabilir: 200 sohbet üzerinde yapılan denemede 38 sohbette kullanıcının adını hikâyedeki bir adla karıştırdı ya da daha önce söylenen adı kullanmayı sürdürdü.
2026 yazından sonrasını bilmez.

Kullanım196 MBq8_0, sıradan bir dizüstünde çalışır

Çalıştırın

Mimari standart Qwen3’tür; transformers ile ek kod gerekmez. GGUF dosyaları 18 Eylül 2026’dan sonra derlenen llama.cpp ile doğrudan çalışmaktadır; ayrıntılar dokümantasyondadır.

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

Dokümantasyon