GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
AhiskaAI
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Run this model inference with full control and performance in your environment.
Model Details
Model Provider
AhiskaAI
Model Tree
Input Modalities
Output Modalities
Supported Functionality
AhıskaAI is an independent open-source AI research project focused on small language models, custom tokenization, Turkish and Ahıska Turkish, and reproducible low-resource AI experiments.
The AhıskaAI v0.4 series explores different model sizes and training approaches while keeping the models lightweight and accessible.
This release is the instruction-tuned (IT) version of the AhıskaAI v0.4 235M Base model — the largest model in the AhıskaAI v0.4 series.
AhıskaAI v0.4 235M IT is an instruction-tuned language model designed for Turkish question answering, instruction following, text transformation, and conversational experiments.
The underlying AhıskaAI v0.4 235M Base model was trained completely from scratch. This version was then instruction-tuned using the same ChatML-style conversation format (system, user, assistant roles) used across the AhıskaAI v0.4 series.
This is an experimental small language model developed as part of the AhıskaAI research project.
| Specification | Value |
|---|---|
| Model name | AhıskaAI v0.4 235M IT |
| Architecture | LlamaForCausalLM |
| Hidden size | 1024 |
| Hidden layers | 20 |
| Attention heads | 16 |
| Key/Value heads | 4 |
| Intermediate size | 2560 |
| Head dimension | 64 |
| Maximum context length | 2048 |
| Vocabulary size | 24,000 |
| Activation | SiLU |
| Data type | bfloat16 |
| Position encoding | RoPE (theta 10,000) |
| Word embeddings | Tied |
| Attention dropout | 0.0 |
| Attention bias | None |
| MLP bias | None |
The model uses the LlamaForCausalLM architecture, but the underlying Base model was trained completely from scratch rather than initialized from the weights of an existing Llama model.
The underlying AhıskaAI v0.4 235M Base model was trained completely from scratch on FineWeb-2 HQ Turkish for 1 epoch over approximately 1.7B tokens — half the number of passes used for the smaller AhıskaAI v0.4 Base models. It was not initialized from, or fine-tuned from, any other pretrained model.
After Base model pretraining, this version received an instruction-tuning stage using the same shared SFT mixture used across the AhıskaAI v0.4 series' "New" variants, combining AhıskaAI's own proprietary SFT data with a portion of Ethosoft/nedo-turkish-sft-mixtures.
The instruction-tuning data uses a ChatML-style conversation format consisting of system, user, and assistant roles:
text
<|im_start|>systemSen kibar, sorulan soruları tam cümlelerle yanıtlayan Türkçe bir asistansın.<|im_end|><|im_start|>userAşağıdaki cümleyi daha okunaklı hale getirmek için metin biçimlendirmesini değiştirin. Öğrencinin tamamlaması gereken karmaşık bir problemi vardı.<|im_end|><|im_start|>assistantÖğrencinin tamamlaması gereken karmaşık bir problem vardı.<|im_end|>
This format was used to teach the model to respond to user instructions while maintaining a conversational structure. The instruction-tuning stage focused on improving instruction following, question answering, text transformation, conversational responses, and Turkish response quality.
This model's SFT mixture includes data from Ethosoft/nedo-turkish-sft-mixtures. Credit and thanks to the Ethosoft team for making this dataset available.
AhıskaAI v0.4 uses a custom 24K vocabulary BPE tokenizer, shared across the entire AhıskaAI v0.4 series and focused on Turkish, Ahıska Turkish, and Turkish morphology. A custom tokenizer was used instead of simply relying on the tokenizer of another pretrained language model.
AhıskaAI v0.4 235M IT can be used for:
The model is particularly intended for experimentation and research rather than production-critical applications.
bash
pip install -U transformers torch
python
import torchfrom transformers import AutoTokenizer, AutoModelForCausalLMmodel_id = "AhiskaAI/AhiskaAI-v0.4-235M-IT"device = "cuda" if torch.cuda.is_available() else "cpu"dtype = torch.bfloat16 if device == "cuda" else torch.float32tokenizer = AutoTokenizer.from_pretrained(model_id)model = AutoModelForCausalLM.from_pretrained(model_id,torch_dtype=dtype).to(device)messages = [{"role": "system","content": "Sen kibar, sorulan soruları tam cümlelerle yanıtlayan Türkçe bir asistansın."},{"role": "user","content": "Ahıska Türkleri hakkında kısa bir bilgi ver."}]prompt = tokenizer.apply_chat_template(messages,tokenize=False,add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt").to(device)with torch.no_grad():outputs = model.generate(**inputs,max_new_tokens=100,temperature=0.8,top_p=0.9,do_sample=True,repetition_penalty=1.1)generated_tokens = outputs[0][inputs["input_ids"].shape[1]:]print(tokenizer.decode(generated_tokens, skip_special_tokens=True))
Note: This example uses
apply_chat_template(). The tokenizer should provide the appropriate chat template for the model's ChatML-style format.
text
<|im_start|>systemSen kibar, sorulan soruları tam cümlelerle yanıtlayan Türkçe bir asistansın.<|im_end|><|im_start|>userKullanıcı sorusu buraya gelir.<|im_end|><|im_start|>assistant
Generation should begin after the assistant header.
AhıskaAI v0.1 Lite Benchmark is an experimental benchmark consisting of 100 questions evaluating Turkish quality, topic relevance, and factual/logical correctness (binary scoring, averaged).
Note: AhıskaAI v0.1 Lite Benchmark is an experimental benchmark and should not be considered a standardized benchmark.
| Rank | Model | Score |
|---|---|---|
| 1 | Gemma 3 1B | 85.86% |
| 2 | Qwen 3 0.6B | 55.22% |
| 3 | AhıskaAI v0.4 145M IT (New) | 54.88% |
| 4 | AhıskaAI v0.4 235M IT | 51.18% |
| 5 | AhıskaAI v0.4 145M IT (Old) | 50.17% |
| 6 | Gemma 3 270M |
| Rank | Model | Score |
|---|---|---|
| 1 | AhıskaAI v0.4 145M IT (Old) | 100.00% |
| 1 | Gemma 3 1B | 100.00% |
| 3 | AhıskaAI v0.4 145M IT (New) | 97.98% |
| 4 | AhıskaAI v0.4 235M IT | 96.97% |
| 4 | Gemma 3 270M | 96.97% |
| 6 | AhıskaAI v0.4 35M |
| Rank | Model | Score |
|---|---|---|
| 1 | Gemma 3 1B | 84.85% |
| 2 | Qwen 3 0.6B | 47.47% |
| 3 | AhıskaAI v0.4 145M IT (New) | 44.44% |
| 4 | Llama 3.2 1B | 40.40% |
| 5 | AhıskaAI v0.4 235M IT | 38.38% |
| 6 | AhıskaAI v0.4 145M IT (Old) |
| Rank | Model | Score |
|---|---|---|
| 1 | Gemma 3 1B | 72.73% |
| 2 | Qwen 3 0.6B | 31.31% |
| 3 | AhıskaAI v0.4 145M IT (New) | 22.22% |
| 4 | AhıskaAI v0.4 235M IT | 18.18% |
| 5 | Llama 3.2 1B | 17.17% |
| 6 | Qwen 2.5 0.5B |
This model is intentionally small and experimental.
Because of its size, it may:
Instruction tuning improves the model's usability and instruction-following behavior, but it does not eliminate these limitations. In particular, note that the underlying Base model was pretrained for only 1 epoch (versus 2 epochs for the smaller AhıskaAI v0.4 Base models), which may affect knowledge coverage and fluency relative to what its parameter count alone would suggest.
Do not rely on this model for medical, legal, financial, safety-critical, or other high-stakes decisions.
This model is instruction-tuned from:
AhıskaAI v0.4 235M Base
The Base model was trained completely from scratch (1 epoch on ~1.7B tokens of FineWeb-2 HQ Turkish) before the instruction-tuning stage.
This model is released under the Apache 2.0 License.
If you use this model in a project, publication, application, or other public work, attribution to AhıskaAI is appreciated. Please also credit Ethosoft/nedo-turkish-sft-mixtures, part of whose data was used in this model's SFT mixture.
AhıskaAI v0.4 235M IT — An instruction-tuned small language model for Turkish and Ahıska Turkish research.
Project: AhıskaAI Model: AhıskaAI v0.4 235M IT
AhıskaAI; küçük dil modelleri, özel tokenizasyon, Türkçe ve Ahıska Türkçesi ve düşük kaynaklı yapay zekâ deneyleri üzerine çalışan bağımsız, açık kaynaklı bir AI araştırma projesidir.
AhıskaAI v0.4 serisi, farklı model boyutlarını ve eğitim yaklaşımlarını deneyerek hafif ve erişilebilir dil modelleri geliştirmeyi amaçlamaktadır.
Bu sürüm, AhıskaAI v0.4 serisinin en büyük modeli olan AhıskaAI v0.4 235M Base modelinin instruction-tuned (IT) sürümüdür.
AhıskaAI v0.4 235M IT, Türkçe soru-cevap, talimat takibi, metin dönüştürme ve sohbet deneyleri için geliştirilmiş instruction-tuned bir dil modelidir.
Modelin temelini oluşturan AhıskaAI v0.4 235M Base modeli tamamen sıfırdan eğitilmiştir. Bu sürüm ise daha sonra AhıskaAI v0.4 serisinde kullanılan aynı ChatML tarzı konuşma formatı (system, user, assistant rolleri) ile instruction tuning sürecinden geçirilmiştir.
Bu model, AhıskaAI araştırma projesinin bir parçası olarak geliştirilmiş deneysel bir küçük dil modelidir.
| Özellik | Değer |
|---|---|
| Model adı | AhıskaAI v0.4 235M IT |
| Mimari | LlamaForCausalLM |
| Hidden size | 1024 |
| Hidden layers | 20 |
| Attention heads | 16 |
| Key/Value heads | 4 |
| Intermediate size | 2560 |
| Head dimension | 64 |
| Maksimum context | 2048 |
Model LlamaForCausalLM mimarisini kullanmaktadır ancak temel model mevcut bir Llama modelinin ağırlıkları kullanılarak oluşturulmamıştır. Base model tamamen sıfırdan eğitilmiştir.
AhıskaAI v0.4 235M Base modeli, FineWeb-2 HQ Turkish verisi üzerinde yaklaşık 1.7B token kullanılarak toplam 1 epoch boyunca tamamen sıfırdan eğitilmiştir — serideki daha küçük Base modellerin yarısı kadar geçiş sayısıyla. Başka bir pretrained modelden başlatılmamış veya fine-tune edilmemiştir.
Base model ön eğitiminin ardından bu sürüme, AhıskaAI v0.4 serisinin "New" varyantlarında kullanılan aynı ortak SFT karışımı ile instruction tuning uygulanmıştır: AhıskaAI'nin kendi verisi + Ethosoft/nedo-turkish-sft-mixtures veri setinin bir kısmı.
Instruction tuning verileri, system, user ve assistant rollerinden oluşan ChatML tarzı bir konuşma formatı kullanmaktadır:
text
<|im_start|>systemSen kibar, sorulan soruları tam cümlelerle yanıtlayan Türkçe bir asistansın.<|im_end|><|im_start|>userAşağıdaki cümleyi daha okunaklı hale getirmek için metin biçimlendirmesini değiştirin. Öğrencinin tamamlaması gereken karmaşık bir problemi vardı.<|im_end|><|im_start|>assistantÖğrencinin tamamlaması gereken karmaşık bir problem vardı.<|im_end|>
Bu format kullanılarak modelin kullanıcı talimatlarına uygun cevaplar üretmesi ve konuşma yapısını takip etmesi hedeflenmiştir. Instruction tuning aşaması özellikle talimat takibi, soru-cevap, metin dönüştürme, sohbet tarzı cevaplar ve Türkçe cevap kalitesi üzerine odaklanmıştır.
Bu modelin SFT karışımı Ethosoft/nedo-turkish-sft-mixtures veri setinden veri içermektedir. Bu veri setini kullanıma sunduğu için Ethosoft ekibine teşekkür ederiz.
AhıskaAI v0.4 serisinde, tüm seri boyunca ortak kullanılan, Türkçe/Ahıska Türkçesi ve Türkçe morfolojisine odaklı özel bir 24K vocabulary BPE tokenizer kullanılmaktadır. Başka bir pretrained dil modelinin tokenizer'ı doğrudan kullanılmamıştır.
AhıskaAI v0.4 235M IT şu alanlarda kullanılabilir:
Model öncelikli olarak deneysel ve araştırma amaçlıdır.
bash
pip install -U transformers torch
python
import torchfrom transformers import AutoTokenizer, AutoModelForCausalLMmodel_id = "AhiskaAI/AhiskaAI-v0.4-235M-IT"device = "cuda" if torch.cuda.is_available() else "cpu"dtype = torch.bfloat16 if device == "cuda" else torch.float32tokenizer = AutoTokenizer.from_pretrained(model_id)model = AutoModelForCausalLM.from_pretrained(model_id,torch_dtype=dtype).to(device)messages = [{"role": "system","content": "Sen kibar, sorulan soruları tam cümlelerle yanıtlayan Türkçe bir asistansın."},{"role": "user","content": "Ahıska Türkleri hakkında kısa bir bilgi ver."}]prompt = tokenizer.apply_chat_template(messages,tokenize=False,add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt").to(device)with torch.no_grad():outputs = model.generate(**inputs,max_new_tokens=100,temperature=0.8,top_p=0.9,do_sample=True,repetition_penalty=1.1)generated_tokens = outputs[0][inputs["input_ids"].shape[1]:]print(tokenizer.decode(generated_tokens, skip_special_tokens=True))
Not: Bu örnekte
apply_chat_template()kullanılmaktadır. Tokenizer'ın model için uygun chat template bilgisini içermesi gerekir.
text
<|im_start|>systemSen kibar, sorulan soruları tam cümlelerle yanıtlayan Türkçe bir asistansın.<|im_end|><|im_start|>userKullanıcı sorusu buraya gelir.<|im_end|><|im_start|>assistant
Üretim işlemi assistant başlığından sonra başlatılmalıdır.
100 sorudan oluşan, Türkçe kalitesi, konu ilgisi ve bilgisel/mantıksal doğruluğu değerlendiren deneysel bir benchmark (binary scoring, ortalama).
Not: Bu deneysel bir benchmark'tır, standartlaştırılmış bir benchmark olarak değerlendirilmemelidir.
| Sıra | Model | Skor |
|---|---|---|
| 1 | Gemma 3 1B | 85.86% |
| 2 | Qwen 3 0.6B | 55.22% |
| 3 | AhıskaAI v0.4 145M IT (New) | 54.88% |
| 4 | AhıskaAI v0.4 235M IT | 51.18% |
| 5 | AhıskaAI v0.4 145M IT (Old) | 50.17% |
| 6 | Gemma 3 270M |
| Sıra | Model | Skor |
|---|---|---|
| 1 | AhıskaAI v0.4 145M IT (Old) | 100.00% |
| 1 | Gemma 3 1B | 100.00% |
| 3 | AhıskaAI v0.4 145M IT (New) | 97.98% |
| 4 | AhıskaAI v0.4 235M IT | 96.97% |
| 4 | Gemma 3 270M | 96.97% |
| 6 | AhıskaAI v0.4 35M |
| Sıra | Model | Skor |
|---|---|---|
| 1 | Gemma 3 1B | 84.85% |
| 2 | Qwen 3 0.6B | 47.47% |
| 3 | AhıskaAI v0.4 145M IT (New) | 44.44% |
| 4 | Llama 3.2 1B | 40.40% |
| 5 | AhıskaAI v0.4 235M IT | 38.38% |
| 6 | AhıskaAI v0.4 145M IT (Old) |
| Sıra | Model | Skor |
|---|---|---|
| 1 | Gemma 3 1B | 72.73% |
| 2 | Qwen 3 0.6B | 31.31% |
| 3 | AhıskaAI v0.4 145M IT (New) | 22.22% |
| 4 | AhıskaAI v0.4 235M IT | 18.18% |
| 5 | Llama 3.2 1B | 17.17% |
| 6 | Qwen 2.5 0.5B |
Bu model özellikle küçük ve deneysel bir modeldir.
Model:
Instruction tuning modelin kullanılabilirliğini ve talimat takip yeteneğini geliştirmeyi amaçlamaktadır ancak bu sınırlamaları tamamen ortadan kaldırmaz. Özellikle, temelindeki Base modelin yalnızca 1 epoch ön eğitim gördüğünü (serideki daha küçük Base modeller 2 epoch eğitilmişti) belirtmek gerekir; bu durum, parametre sayısının tek başına işaret ettiği seviyeye göre bilgi kapsamını ve akıcılığı etkileyebilir.
Model tıbbi, hukuki, finansal, güvenlik açısından kritik veya yüksek riskli kararlar için kullanılmamalıdır.
Bu model şu temel model üzerine instruction tuning uygulanarak oluşturulmuştur:
AhıskaAI v0.4 235M Base
Base model, instruction tuning aşamasından önce tamamen sıfırdan eğitilmiştir (FineWeb-2 HQ Turkish üzerinde ~1.7B token, 1 epoch).
Bu model Apache 2.0 License altında yayınlanmıştır.
Bu modeli bir proje, yayın, uygulama veya başka bir kamuya açık çalışmada kullanıyorsanız AhıskaAI'ye atıfta bulunmanız rica edilir. Ayrıca, SFT karışımının bir kısmında kullanılan Ethosoft/nedo-turkish-sft-mixtures veri setine de atıfta bulunmanız rica edilir.
AhıskaAI v0.4 235M IT — Türkçe ve Ahıska Türkçesi araştırmaları için geliştirilmiş instruction-tuned küçük dil modeli.
Proje: AhıskaAI Model: AhıskaAI v0.4 235M IT
| 46.46% |
| 7 | Qwen 2.5 0.5B | 43.77% |
| 8 | AhıskaAI v0.4 35M | 43.43% |
| 9 | Llama 3.2 1B | 35.35% |
| 10 | SmolLM2 1.7B | 22.89% |
| 11 | SmolLM2 360M | 12.12% |
| 12 | SmolLM2 135M | 1.01% |
| 87.88% |
| 7 | Qwen 3 0.6B | 86.87% |
| 8 | Qwen 2.5 0.5B | 81.82% |
| 9 | Llama 3.2 1B | 48.48% |
| 10 | SmolLM2 1.7B | 46.46% |
| 11 | SmolLM2 360M | 28.28% |
| 12 | SmolLM2 135M | 3.03% |
| 36.36% |
| 7 | Qwen 2.5 0.5B | 33.33% |
| 8 | AhıskaAI v0.4 35M | 32.32% |
| 9 | Gemma 3 270M | 26.26% |
| 10 | SmolLM2 1.7B | 13.13% |
| 11 | SmolLM2 360M | 5.05% |
| 12 | SmolLM2 135M | 0.00% |
| 16.16% |
| 6 | Gemma 3 270M | 16.16% |
| 8 | AhıskaAI v0.4 145M IT (Old) | 14.14% |
| 9 | AhıskaAI v0.4 35M | 10.10% |
| 10 | SmolLM2 1.7B | 9.09% |
| 11 | SmolLM2 360M | 3.03% |
| 12 | SmolLM2 135M | 0.00% |
| Vocabulary | 24,000 |
| Aktivasyon | SiLU |
| Veri tipi | bfloat16 |
| Position encoding | RoPE (theta 10.000) |
| Word embeddings | Tied |
| Attention dropout | 0.0 |
| Attention bias | Yok |
| MLP bias | Yok |
| 46.46% |
| 7 | Qwen 2.5 0.5B | 43.77% |
| 8 | AhıskaAI v0.4 35M | 43.43% |
| 9 | Llama 3.2 1B | 35.35% |
| 10 | SmolLM2 1.7B | 22.89% |
| 11 | SmolLM2 360M | 12.12% |
| 12 | SmolLM2 135M | 1.01% |
| 87.88% |
| 7 | Qwen 3 0.6B | 86.87% |
| 8 | Qwen 2.5 0.5B | 81.82% |
| 9 | Llama 3.2 1B | 48.48% |
| 10 | SmolLM2 1.7B | 46.46% |
| 11 | SmolLM2 360M | 28.28% |
| 12 | SmolLM2 135M | 3.03% |
| 36.36% |
| 7 | Qwen 2.5 0.5B | 33.33% |
| 8 | AhıskaAI v0.4 35M | 32.32% |
| 9 | Gemma 3 270M | 26.26% |
| 10 | SmolLM2 1.7B | 13.13% |
| 11 | SmolLM2 360M | 5.05% |
| 12 | SmolLM2 135M | 0.00% |
| 16.16% |
| 6 | Gemma 3 270M | 16.16% |
| 8 | AhıskaAI v0.4 145M IT (Old) | 14.14% |
| 9 | AhıskaAI v0.4 35M | 10.10% |
| 10 | SmolLM2 1.7B | 9.09% |
| 11 | SmolLM2 360M | 3.03% |
| 12 | SmolLM2 135M | 0.00% |