/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,4 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Базовая модель
Kumru-2B
Библиотека
transformers
Опубликована
20 мар 2026

Kara-Kumru-v1.0-2B

Генерация текстаТекст → текст10 профессий

Kara-Kumru-v1.0-2B — дообученная турецкоязычная модель для ответов на вопросы, суммаризации, перевода на английский и генерации текста.

89скачиваний за 30 дней23лайкавеса обновлены20 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Kara-Kumru-v1.0-2B — турецкоязычная языковая модель, созданная дообучением VNGRS AI модели vngrs-ai/Kumru-2B. Это плотный decoder-only трансформер семейства Mistral с 2,4 млрд параметров и контекстом 8192 токена; модель распространяется в формате safetensors и рассчитана на диалоговую генерацию текста.

Модель оптимизирована для ответов на вопросы, извлечения информации, суммаризации и перевода с турецкого на английский, а также для общей генерации текста на турецком языке. В заявленной оценке на Cetvel она улучшила результаты базовой модели по генеративным задачам, включая QA и суммаризацию, но показала снижение качества на некоторых классификационных задачах, NLI и коррекции грамматики. Сопоставление с другими моделями в README частично использует результаты из разных оценочных конвейеров, поэтому рейтинговые сравнения следует трактовать с осторожностью.

Модель выпущена под лицензией Apache-2.0. README сообщает о полном дообучении в BF16 и описывает сценарии локального развёртывания, однако фактические требования зависят от используемой версии и оборудования.

Сценарии применения

  • ответы на вопросы по текстам на турецком языке
  • извлечение информации из турецких документов
  • суммаризация турецких статей и документов
  • перевод с турецкого на английский
  • генерация диалоговых ответов на турецком языке

Ограничения

README сообщает о снижении результатов на некоторых задачах классификации, NLI и коррекции грамматики; качество на MCQA уступает моделям крупнее 7 млрд параметров. Межмодельные сравнения в бенчмарке частично основаны на разных оценочных конвейерах.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kara-Kumru-v1.0-2B 🐦‍⬛

A 2B parameter Turkish LLM that outperforms 70B models on Turkish benchmarks.

Kara-Kumru-v1.0-2B is a fine-tuned version of vngrs-ai/Kumru-2B, specifically optimized for Turkish language tasks including question answering, summarization, and translation. Despite having only 2 billion parameters, it achieves 37.56 average on the Cetvel Turkish LLM Benchmark, surpassing Llama-3.3-70B-Instruct (36.25) — a model 35x its size.

Leaderboard scores for other models are sourced from vngrs-ai/Kumru-2B. Kara-Kumru-v1.0-2B scores were evaluated using our own Cetvel pipeline.

Key Results

MetricKara-Kumru-v1.0-2BLlama-3.3-70BKumru-2B (baseline)Delta vs baseline
Average37.5636.2531.98+5.58
QA32.54 🥇23.976.50+26.04
SUM32.55 🥇18.1518.67+13.88
MT10.5819.997.10+3.48
GEC64.9630.1066.34-1.38
MCQA42.0260.7039.69+2.33
NLI33.8637.1037.97-4.11
TC46.3963.7347.57-1.18

🥇 Kara-Kumru-v1.0-2B achieves the highest QA and SUM scores across the entire Cetvel leaderboard, including models up to 72B parameters.

Detailed Task-Level Results

TaskMetricBaselineKara-Kumru-v1.0-2BDelta
tquadf139.3850.66+11.27
xquad_trf131.4639.27+7.81
wmt-tr-en-promptbleu6.1710.58+4.42
xfact_tracc_norm40.8344.38+3.55
mkqa_trf15.297.70+2.41
tr-wikihow-summrouge125.1826.84+1.67
wiki_lingua_trrouge124.4426.04+1.60
mlsum_trrouge142.1143.55+1.44
exams_tracc_norm31.5532.57+1.02
turkish_pluacc_norm47.7848.13+0.35
ironytracc_norm50.0050.000.00
offenseval_tracc_norm79.7179.710.00
sts_tracc_norm11.7511.750.00
trclaim19acc_norm60.1060.100.00
xlsum_trrouge134.4933.78-0.71
nli_tracc35.3133.86-1.46
xcopa_tracc63.2061.60-1.60
gecturk_generationexact_match68.3964.96-3.43
belebele_tracc_norm29.2225.78-3.44
news_catacc_norm38.8032.40-6.40

Cetvel Leaderboard Position

#1  Kumru-7B                   41.58  (7B)
#2  Kara-Kumru-v1.0-2B            37.56  (2B) ← YOU ARE HERE
#3  Llama-3.3-70B-Instruct     36.25  (70B)
#4  Kumru-2B                   31.98  (2B)
#5  gemma-3-27b-it             27.73  (27B)
#6  gemma-3-12b-it             27.60  (12B)
#7  Qwen2-72B-Instruct         26.07  (72B)
    ...

Highlights

  • 35x smaller, higher score: 2B params beating Llama-3.3-70B-Instruct on Turkish
  • Best-in-class QA: 32.54 — highest QA score across ALL models in the Cetvel leaderboard, including 72B models
  • Best-in-class SUM: 32.55 — highest summarization score across the entire leaderboard
  • TQuAD breakthrough: +11.27 F1 improvement on Turkish reading comprehension
  • Edge-deployable: Runs on a single consumer GPU, Mac Mini, or mobile device

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "AlicanKiraz0/Kara-Kumru-v1.0-2B"

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

messages = [
    {"role": "user", "content": "Türkiye'nin en büyük gölü hangisidir ve özellikleri nelerdir?"}
]

inputs = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_tensors="pt"
)

inputs = {k: v.to(model.device) for k, v in inputs.items()}

output = model.generate(
    **inputs,
    max_new_tokens=512,
    temperature=0.7,
    top_p=0.9,
    do_sample=True,
    pad_token_id=tokenizer.eos_token_id
)

response = tokenizer.decode(
    output[0][inputs["input_ids"].shape[-1]:],
    skip_special_tokens=True
)

print(response)

Quantized Inference (GGUF)

# For llama.cpp / Ollama users (if GGUF version is available)
ollama run AlicanKiraz0/Kara-Kumru-v1.0-2B

Training Details

Base Model

Fine-tuning Configuration

  • Method: Full fine-tuning
  • Precision: BF16
  • Hardware: SnakeEye Cluster (DGX Spark + Mac Studio M3 Ultra)

What Improved & Why

The fine-tuning primarily strengthened generative capabilities (QA, summarization, translation) while showing minor regression on some discriminative tasks (classification, NLI). This is a well-known trade-off in LLM fine-tuning — the model learned to produce better free-form Turkish text at the cost of some multiple-choice and classification accuracy.

CapabilityDirectionInterpretation
Question Answering (QA)⬆️ +7.17Extractive QA dramatically improved
Translation (MT)⬆️ +4.42TR→EN translation quality increased
Summarization (SUM)⬆️ +1.00Abstractive summarization improved
Grammar Correction (GEC)⬇️ -3.43Exact-match GEC slightly regressed
Natural Language Inference (NLI)⬇️ -1.46Entailment classification dipped
Text Classification (TC)⬇️ -0.47Minor regression on classification

Evaluation

All evaluations were performed using the Cetvel Turkish LLM Benchmark framework.

Cetvel Benchmark Categories

CategoryDescription
GECGrammatical Error Correction (gecturk_generation)
MCQAMultiple Choice QA (belebele_tr, exams_tr, turkish_plu, xcopa_tr)
MTMachine Translation TR→EN (wmt-tr-en-prompt)
NLINatural Language Inference (nli_tr)
QAQuestion Answering (xquad_tr, tquad, mkqa_tr)
SUMSummarization (mlsum_tr, xlsum_tr, tr-wikihow-summ, wiki_lingua_tr)
TCText Classification (ironytr, news_cat, offenseval_tr, sts_tr, trclaim19, xfact_tr)

Intended Use

  • Turkish question answering and information extraction
  • Turkish text summarization
  • Turkish-to-English translation
  • General Turkish language generation
  • Research on efficient Turkish LLMs

Limitations

  • Classification tasks: Some regression on text classification and NLI compared to baseline
  • Grammar correction: GEC performance decreased by ~3.4 points
  • Model size trade-offs: While competitive with much larger models on generative tasks, MCQA performance lags behind 7B+ models
  • Evaluation caveat: Cross-pipeline benchmark comparison — see note above

Roadmap (Kara-Kumru-v2.0)

  • Targeted GEC and NLI distillation to recover regression
  • Classification-focused fine-tuning (news categorization, irony detection)
  • MCQA and causal reasoning dataset expansion
  • Unified evaluation pipeline for fair cross-model comparison
  • GGUF quantization for edge deployment

Citation

@misc{kiraz2026karakumru,
  title={Kara-Kumru-v1.0-2B: A Fine-tuned 2B Turkish LLM Outperforming 70B Models},
  author={Kiraz, Alican},
  year={2026},
  url={https://huggingface.co/AlicanKiraz0/Kara-Kumru-v1.0-2B}
}

Acknowledgments

  • VNGRS AI for the Kumru base model and the Cetvel benchmark framework
  • Built on the SnakeEye Cluster — a multi-node system with DGX Spark and Apple Silicon nodes

Contact

Alican Kiraz

LinkedIn X Medium HuggingFace GitHub


Kara-Kumru (lit. "Dark Dove") — named after the darker variant of the Eurasian collared dove. Small but fierce.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
246f7eb

0 моделей