/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Размер весов
4 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
6 окт 2026

khazri-3

Генерация текстаТекст → текст

Khazri 3 — компактная базовая Llama-совместимая языковая модель для продолжения текста на азербайджанском, английском, русском и турецком языках и последующей адаптации.

218скачиваний за 30 дней0лайковвеса обновлены6 окт 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

Khazri 3 — открытая базовая языковая модель, разработанная командой Khazri и обученная с нуля. Это плотная Llama-совместимая авторегрессионная модель с 1,002,522,624 параметрами, обученная на 20 млрд токенов. Она принимает текст и предназначена для продолжения текста и адаптации под языковые продукты, прежде всего для азербайджаноязычных пользователей, а также для английского, русского и турецкого языков. Контекст ограничен 2 048 токенами.

Модель подходит как основа для дообучения под конкретную область или для создания собственного ассистента после инструкционного дообучения. В карточке указаны очищенные и дедуплицированные веб-тексты и материалы примерно из 1 000 книг; токенизатор — byte-level BPE с размером словаря 49 152. Это базовая, а не инструкционная модель: обучение диалогам, следованию инструкциям и вызову инструментов не проводилось. Возможны фактические ошибки и повторения; приведённые в карточке результаты бенчмарков являются данными команды и не подтверждены независимой оценкой финального чекпойнта. Лицензия Apache 2.0 разрешает использование и адаптацию на её условиях, включая коммерческую интеграцию.

Сценарии применения

  • продолжение азербайджанского текста
  • создание текстовых продуктов для азербайджаноязычных пользователей
  • дообучение языковой модели для узкой предметной области
  • подготовка основы для собственного ассистента после инструкционного дообучения

Ограничения

Это базовая модель без инструкционного и диалогового дообучения, поэтому следование инструкциям и вызов инструментов не являются её готовыми возможностями. Возможны фактические ошибки и повторы; контекст ограничен 2 048 токенами, а опубликованные бенчмарки не являются независимо проверенными результатами финального чекпойнта.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Khazri 3

An Azerbaijani-focused foundation for multilingual AI.

1B parameters · 20B training tokens · 4 target languages · Apache 2.0

Khazri 3 brings Azerbaijani into the heart of a compact, multilingual language model. Trained from scratch, it offers an open foundation for developers, researchers, and teams building language products for Azerbaijani-speaking users.

This release shares the final 20,000,094,278-token pretraining checkpoint, with 1,002,522,624 parameters and a training focus spanning Azerbaijani, English, Russian, and Turkish.

Built for your next language product

  • Azerbaijani at the center. A multilingual training direction that includes Azerbaijani alongside English, Russian, and Turkish.
  • An independent foundation. Weights trained from scratch with a dedicated 49,152-token byte-level BPE tokenizer and a Llama-compatible architecture.
  • A focus on data quality. The team reports using cleaned, deduplicated web text and material from approximately 1,000 books in its training corpus.
  • Compact and accessible. Approximately 1B parameters, standard Transformers support, and safetensors weights. The usage example supports FP16 on CUDA devices such as a T4 and FP32 on CPU.
  • Open for adaptation. Apache 2.0 licensing makes this foundation available for experimentation, fine-tuning, and commercial integration under the license terms.

Use Khazri 3 as a starting point for domain-specific language models, Azerbaijani text products, and custom assistants after suitable instruction tuning. This is a BASE model: instruction following, web search, and tool calling are future adaptation goals, not capabilities already trained into this checkpoint.

Benchmark snapshot

The team-provided comparison graphic reports 28.6% MMLU and 55.0% HellaSwag for Khazri-3 1B. The complete values from that graphic are reproduced below.

ModelMMLU accuracy (%)HellaSwag accuracy (%)
Khazri-3 1B28.655.0
TinyLlama 1.1B26.059.2
Pythia 1B25.047.2
Qwen3 0.8B29.045.7
Llama 3.2 1B39.561.1
Gemma 3 1B42.062.3

Team-provided MMLU and HellaSwag comparison

Source: comparison graphic supplied by the Khazri team, dated October 1, 2026. These are reported reference figures, not an independently reproduced evaluation. The evaluated checkpoint, shot counts, dataset splits, sample counts, precision, and scoring method are not specified in the graphic. These figures are therefore not verified results for the final 20B-token checkpoint, and differences across rows may reflect different evaluation protocols.

Start building

Load the model directly from Yusiko/khazri-3. No custom remote model code is required. Start with text completion, then fine-tune for your own use case.

Model details

PropertyValue
ArchitectureLlama-compatible causal decoder
Parameters1,002,522,624
Layers20
Hidden width2,048
Feed-forward width5,632
Attention heads / KV heads16 / 4
Vocabulary49,152
Trained context2,048 tokens
RoPE theta10,000
Input/output embeddingsTied
Training tokens20,000,094,278
Final checkpointstep-000109896-c2123f2d
FormatHugging Face Transformers; sharded safetensors
BOS / EOS / PAD IDs2 / 3 / 0

The training phase targets Azerbaijani, English, Russian, and Turkish. This BASE checkpoint has not undergone instruction, chat, or tool-calling SFT. Generated continuations may contain factual errors or repetition; evaluate the model in your intended language and domain before deployment.

Use with Transformers

Known working library versions: transformers==4.57.1, tokenizers==0.22.2, and safetensors==0.6.2. Install a PyTorch build appropriate for your device.

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

repo = "Yusiko/khazri-3"
device = "cuda" if torch.cuda.is_available() else "cpu"
dtype = torch.float16 if device == "cuda" else torch.float32

tokenizer = AutoTokenizer.from_pretrained(repo, trust_remote_code=False)
model = AutoModelForCausalLM.from_pretrained(
    repo,
    torch_dtype=dtype,
    use_safetensors=True,
    trust_remote_code=False,
    attn_implementation="sdpa",
).to(device).eval()

prompt = "Sual: Azərbaycanın paytaxtı hansı şəhərdir?\nCavab:"
ids = [2] + tokenizer.encode(prompt, add_special_tokens=False)
max_new_tokens = 64
assert len(ids) + max_new_tokens <= 2048
inputs = torch.tensor([ids], device=device)

torch.manual_seed(42)
with torch.inference_mode():
    output = model.generate(
        input_ids=inputs,
        attention_mask=torch.ones_like(inputs),
        max_new_tokens=max_new_tokens,
        do_sample=True,
        temperature=0.9,
        top_p=0.95,
        bos_token_id=2,
        eos_token_id=3,
        pad_token_id=0,
    )

print(tokenizer.decode(output[0, len(ids):], skip_special_tokens=True))

For greedy decoding, use do_sample=False and omit temperature and top_p. Prompt and generated tokens together must fit the 2,048-token context. A T4 can use FP16; CPU inference uses FP32 in the example.

Files and provenance

The repository includes all eight model shards, their index, tokenizer files, model configuration, and export/training metadata. This is a parameters-only inference export. Optimizer state and training data are not included.

  • Tokenizer SHA-256: 04cdc8532536cd629f4114e91e9a7dcc60594010ebcea578e3eb2c623766c3d9
  • Source checkpoint manifest SHA-256: c3207ca9e60fb91b8c0ccc4c660ec89fafe329f3a9bfe8b66d08f95792306690
  • Export manifest SHA-256: 18f4424a22524c38dbbc505465364d5c51f0fb7c959ae2559cf552c266ff3c79

The export manifest hashes the original model/configuration files. This model card was added for publication and is not listed in that export manifest.

License

Apache-2.0, as selected for this repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
2169473

0 моделей