GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
Huseyin
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
Huseyin
Model Tree
Qwen/Qwen2.5-7B-Instruct
Input Modalities
Output Modalities
Supported Functionality
Türkiye YKS (TYT/AYT) sınavlarına özel fine-tune edilmiş Türkçe eğitim modeli. TRUBA H200 GPU kullanılarak 1854 gerçek YKS sorusu ile eğitilmiştir.
| Ders | Başarı Oranı | Soru Sayısı |
|---|---|---|
| TYT Matematik | %75 | 168 |
| AYT Matematik | %60 | 144 |
| AYT Tarih | %65 | 156 |
| Fizik | %55 | 132 |
| Kimya | %50 | 90 |
| Biyoloji | %50 | 114 |
python
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfigfrom peft import PeftModelimport torch # 4-bit config (opsiyonel, bellek tasarrufu için)bnb_config = BitsAndBytesConfig( load_in_4bit=True, bnb_4bit_compute_dtype=torch.float16) # Model yüklemebase_model = "Qwen/Qwen2.5-7B-Instruct"model = AutoModelForCausalLM.from_pretrained( base_model, quantization_config=bnb_config, # Opsiyonel device_map="auto") # LoRA adapter yüklemodel = PeftModel.from_pretrained(model, "Huseyin/yks-turkish-7b-lora")tokenizer = AutoTokenizer.from_pretrained("Huseyin/yks-turkish-7b-lora") # Soru çözmedef yks_coz(soru): prompt = f"""Sen bir YKS uzmanısın. Soruyu çöz ve Türkçe açıkla. Soru: {soru} Çözüm:""" inputs = tokenizer(prompt, return_tensors="pt") outputs = model.generate( **inputs, max_new_tokens=300, temperature=0.7, do_sample=True, top_p=0.9 ) return tokenizer.decode(outputs[0], skip_special_tokens=True) # Testprint(yks_coz("x² - 5x + 6 = 0 denkleminin kökleri nelerdir?"))python
sorular = [ "2x + 5 = 15 denklemini çöz", "Pisagor teoremini açıkla", "Mitoz ve mayoz arasındaki farklar nelerdir?", "Osmanlı Devleti'nin kuruluş tarihi nedir?"] for soru in sorular: cevap = yks_coz(soru) print(f"S: {soru}") print(f"C: {cevap}\n")Soru ve öneriler için GitHub Issues veya Discussions kullanabilirsiniz.
Not: Bu model eğitim amaçlıdır. Gerçek sınav hazırlığında mutlaka uzman desteği alınmalıdır.
Developed with ❤️ for Turkish students
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfigfrom peft import PeftModelimport torch # 4-bit config (opsiyonel, bellek tasarrufu için)bnb_config = BitsAndBytesConfig( load_in_4bit=True, bnb_4bit_compute_dtype=torch.float16) # Model yüklemebase_model = "Qwen/Qwen2.5-7B-Instruct"model = AutoModelForCausalLM.from_pretrained( base_model, quantization_config=bnb_config, # Opsiyonel device_map="auto") # LoRA adapter yüklemodel = PeftModel.from_pretrained(model, "Huseyin/yks-turkish-7b-lora")tokenizer = AutoTokenizer.from_pretrained("Huseyin/yks-turkish-7b-lora") # Soru çözmedef yks_coz(soru): prompt = f"""Sen bir YKS uzmanısın. Soruyu çöz ve Türkçe açıkla. Soru: {soru} Çözüm:""" inputs = tokenizer(prompt, return_tensors="pt") outputs = model.generate( **inputs, max_new_tokens=300, temperature=0.7, do_sample=True, top_p=0.9 ) return tokenizer.decode(outputs[0], skip_special_tokens=True) # Testprint(yks_coz("x² - 5x + 6 = 0 denkleminin kökleri nelerdir?"))sorular = [ "2x + 5 = 15 denklemini çöz", "Pisagor teoremini açıkla", "Mitoz ve mayoz arasındaki farklar nelerdir?", "Osmanlı Devleti'nin kuruluş tarihi nedir?"] for soru in sorular: cevap = yks_coz(soru) print(f"S: {soru}") print(f"C: {cevap}\n")