/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,4 млрд
Лицензия
Apache 2.0
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
7 фев 2025

Kumru-2B-Base

Генерация текстаТекст → текст3 профессии

Базовая турецкоязычная модель VNGRS на 2,4 млрд параметров для генерации текста и дальнейшей адаптации.

1 227скачиваний за 30 дней22лайкавеса обновлены26 сен 2025

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

Kumru-2B-Base — базовая версия компактной языковой модели Kumru, разработанной VNGRS специально для турецкого языка с нуля. Это плотная авторегрессионная модель семейства Mistral на 2,4 млрд параметров; репозиторий содержит веса в формате safetensors. Модель предварительно обучена на очищенном и дедуплицированном корпусе объёмом 500 ГБ и 300 млрд токенов. Карточка уточняет, что именно эта Base-версия прошла только предварительное обучение и не настроена для следования инструкциям.

Модель предназначена для генерации турецкого текста и может служить основой для дальнейшей настройки под диалоговые и другие языковые задачи. Токенизатор BPE с турецкой предтокенизацией имеет словарь из 50 176 токенов; заявленная длина контекста — 8 192 токена. Разработчик сообщает о результатах на бенчмарке Cetvel, в частности для исправления грамматических ошибок и суммаризации, однако это не означает, что базовая версия готова выполнять инструкции в пользовательском чате.

Лицензия Apache-2.0. Для практического применения следует учитывать, что это базовая, а не instruct-модель; эффективную длину контекста автор оценивает в 1 128–1 618 токенов при сравнении с многоязычными моделями.

Сценарии применения

  • генерация текста на турецком языке
  • продолжение турецкого текста
  • адаптация языковой модели под турецкие задачи
  • эксперименты с турецкой токенизацией и генерацией

Ограничения

Это базовая модель без дообучения на следование инструкциям, поэтому она может не подходить для прямого использования в диалоговом ассистенте. Хотя заявленный контекст составляет 8 192 токена, разработчик оценивает эффективную длину контекста в 1 128–1 618 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Information

Kumru-2B is the lightweight, open-source version of Kumru LLM, developed for Turkish from scratch by VNGRS.

  • It is pre-trained on a cleaned, deduplicated corpora of 500 GB for 300B tokens, and supervised fine-tuned on 1M examples.
  • It comes with a modern tokenizer developed for Turkish, supporting code, math and chat template.
  • Kumru has a native context length of 8,192 tokens by default.
  • This is the Base version, which is only pre-trained, not instruct fine-tuned.
  • Instruct fine-tuned version is here

Try to demo of 7B version here.

Use

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "vngrs-ai/Kumru-2B-Base"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype="auto", device_map="auto")

def complete_text(starting_text):
    tokenized_text = tokenizer.encode_plus(starting_text, return_tensors = 'pt', return_token_type_ids=False,
                                           max_length = model.config.max_position_embeddings, truncation = True).to(model.device)
    generated_tokens = model.generate(**tokenized_text, 
                                      max_length = 512,
                                      repetition_penalty = 1.15,
                                      no_repeat_ngram_size = 5
                                     )
    generated_text = tokenizer.decode(generated_tokens.cpu().detach().numpy().reshape(-1).tolist(), skip_special_tokens=True)

    return generated_text

starting_text = "Efes antik kenti"
generated_text = complete_text(starting_text)
print(generated_text)

Evaluation Results

Both Kumru-7B and Kumru-2B are evaluated on Cetvel benchmark.

We observe that Kumru overall surpasses significantly larger models such as LLaMA-3.3–70B, Gemma-3–27B, Qwen-2–72B and Aya-32B. It excels at tasks related to the nuances of the Turkish language, such as grammatical error correction and text summarization.

Tokenizer Efficiency

Kumru tokenizer is a modern BPE tokenizer with a vocabulary size of 50,176, pre-tokenization regex and a chat template.

Other open-source models spend between 38% to 98% more tokens than Kumru while still having larger vocabulary sizes. This means Kumru can represent more texts in its context length and process faster and cheaper. Although the native context length of Kumru is 8,192, its effective context length can be considered between 1128 and 1618, compared to other multilingual models out there. This shows the efficiency of having a native Turkish tokenizer in terms of representation power, speed and cost.

Citation

@misc{turker2025kumru,
  title={Kumru},
  author={Turker, Meliksah and Ari, Erdi and Han, Aydin},
  year={2025},
  url={https://huggingface.co/vngrs-ai/Kumru-2B-Base}
}

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
55711ea

0 моделей