Türkçenin yapay zekâsı ortak olmalı.

Boştaki ekran kartlarını birleştirip Türkçe modelleri birlikte eğitiyoruz. Sonuç açık lisansla, herkesin kullanımına.

Gönüllü ol Nasıl çalışır

Araştırma aşamasındayız. Yayınlanmış model yok.

Türkçenin yapay zekâsında şunu kimse tek başına tutmasın:

kodu.

Eğitim kodunu ve gönüllü istemcisini Apache-2.0 ile açacağız.

ağırlıkları.

Model ağırlıkları, herkesin indirip kendi makinesinde çalıştırabileceği biçimde yayınlanacak.

veri listesini.

Neyle eğittiğimizi ve her kaynağın lisansını açıkça yazacağız.

kararları.

Katkılar kayıt altında olacak; yönü birlikte belirleyeceğiz.

Birlikte eğitiriz. Hepimizin olur.

Kodu ve model ağırlıklarını Apache-2.0 ile yayınlayacağız. Eğitim verisinin kaynaklarını ve lisanslarını açıkça listeleyeceğiz.

Lisans

Her kare bir gönüllü ekran kartını temsil eden illüstrasyondur. Gerçek ağ henüz yok.

Ekran kartınız yeter. Sunucu salonu gerekmez.

Taban modeli dondurup yalnızca küçük bir LoRA adaptörünü eğitiyoruz. Denememizde tepe bellek 5,2 GB oldu; 8 GB'lık bir dizüstü kartına sığdı.

Nasıl çalışır

taban ≈ 1,2 GB

adaptör ≈ 40 MB

Alanlar gerçek boyut oranında (≈30:1)

Az veri taşırız. Aynı sonucu alırız.

Gönüllüler her adımda değil, 25 adımda bir senkronize olur. Simülasyonumuzda yaklaşık 25 kat az veri taşındı; bayt başına bitte fark %0,09 oldu.

Ölçümlerimiz

Her adımda senkron: 25 senkron

Seyrek senkron: 1 senkron

25 adımlık bir pencere (illüstrasyon)

Sınırlarımızı da yazarız.

Türkçe dil modellemesi iyileşti, ama TurkishMMLU'da iyileşme görmedik. Hepsi küçük deney: tek koşu, tek tohum, gerçek ağ yok.

Yol haritası

Taban

35,6%

LoRA sonrası

34,7%

TurkishMMLU 5-shot · kesik çizgi: şans %20 · ölçüm gürültüsü ≈ ±1,6 puan

Şimdiye kadar ölçtüklerimiz

Müşteri logomuz yok. Elimizde ölçümlerimiz var.

~25×daha az veri taşındı

Adaptör üzerinde seyrek senkronizasyon, 4 sanal işçi. Simülasyon.

%0,09fark

Seyrek ve her adımda senkron eğitim arasında, bayt başına bit: 1,2166 ve 1,2155.

−%4,3Türkçe bayt başına bit

Qwen3-0.6B'ye 20 dakikalık LoRA ile, 8 GB'lık tüketici ekran kartında.

0kıyas iyileşmesi

TurkishMMLU %35,6 → %34,7, fark gürültü içinde. Henüz “model iyileşti” diyemiyoruz.

Küçük denemeler: tek koşu, tek tohum, gerçek ağ yok. Tüm tablolar Ölçümler sayfasında.

Neredeyiz

00 · YAPILDIAraştırma

Küçük modelde seyrek senkronizasyon simülasyonu.

01 · İLK DENEYTürkçe uyarlama

LoRA ile 8 GB'ta kısa sürekli ön eğitim.

02 · SIRADAVeri ve ölçüm

Daha çok Türkçe veri, kıyas testleri.

03Gönüllü istemcisi

Açık kaynak, imzalı güncelleme.

04Pilot ve açık ağ

Gerçek ağda deneme, sonra ilk yayın.

Tarih taahhüdü vermiyoruz.

Neden Halay Halkası?

Halayda herkes komşusunun koluna girer; çemberin ne başı vardır ne sonu. Ağımız da böyle çalışacak.

Her gönüllü bir fener taşır: ekran kartınızın verdiği emek, bir ışık. Işık elden ele geçer, onu hiçbir tek el tutmaz.

Çember: Lider yok, herkes eşit yerde durur.
Eller: Katkılar birbirine bağlı ve birbirini doğrular.
Fenerler: Her gönüllünün ışığı ortak modele akar.

Modelen logosu: birbirinin koluna giren beş el, her biri bir fener taşıyor

Aradığımız yardım

Bu iş tek kişilik değil. Şu an en çok şunlara ihtiyacımız var:

01Türkçe kıyas testleriModelin gerçekten iyileştiğini ölçmek için daha çok ve daha iyi Türkçe test. 02Veri ve lisansAçık, temiz, lisansı belli Türkçe veri kaynaklarını bulmak ve belgelemek. 03Güvenlik ve doğrulamaHatalı ya da kötü niyetli katkıyı yakalayan yöntemler tasarlamak. 04Gönüllü istemcisiBilgisayarda güvenle çalışacak, açık kaynak ve imzalı bir istemci yazmak.

Daha derine

Nasıl çalışırTaban, adaptör ve seyrek senkronizasyon. Yol haritasıAşamalar ve bilinen riskler. Sık sorulan sorularGönüllülük, güvenlik, lisans, veri.

Gönüllü istemcisi hazır olunca ilk siz öğrenin.

E-posta adresinizi yalnızca Modelen duyuruları için kullanırız.

Gönüllü ol

Türkçenin yapay zekâsı ortak olmalı.Türkçenin yapay zekâsı ortakaçıkşeffafbizim olmalı.