GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
TilQazyna
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
TilQazyna
Model Tree
TilQazyna/Til-mini-1B
Input Modalities
Output Modalities
Supported Functionality
Til-mini-1B-GEC — қазақ мәтініндегі грамматикалық, орфографиялық және пунктуациялық қателерді түзететін 956.3M параметрлі модель. Репозиторий көлемі — 1.93 ГБ. Ол Til-mini-1B негізінде Til-GEC деректерімен fine-tune жасалған.
| Сипаттама | Мәні |
|---|---|
| Архитектура | DeepseekV3ForCausalLM, MLA |
| Қабат саны | 24 |
| Контекст | 2048 токен |
| Формат | ChatML |
| Fine-tune деректері | шамамен 900 GEC жұбы |
Модель қазақ әріптерін, бас әріпті, тыныс белгілерін және жиі кездесетін қиысу мен емле қателерін түзетеді. Ұзын мәтінді сөйлем бойынша өңдеп, нәтижесінің бірінші жолын алу ұсынылады.
python
from transformers import AutoModelForCausalLM, AutoTokenizer repo = "TilQazyna/Til-mini-1B-GEC"tokenizer = AutoTokenizer.from_pretrained(repo)model = AutoModelForCausalLM.from_pretrained(repo)message = "Мәтіндегі қателерді түзет. Тек түзетілген мәтінді қайтар.\n\nМәтін: кеше жанбыр жауды"prompt = tokenizer.apply_chat_template([{"role": "user", "content": message}], tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt")output = model.generate(**inputs, max_new_tokens=128, do_sample=False)print(tokenizer.decode(output[0][inputs.input_ids.shape[1]:], skip_special_tokens=True).split("\n")[0])Карточка мен файлдар тізімі ашық. Файлдарды «Request access» өтінімін TilQazyna командасы мақұлдағаннан кейін жүктеуге болады.
Base-модель — Til-mini-1B, оқыту деректері — Til-GEC.
Til-mini-1B-GEC — модель на 956.3M параметров для исправления грамматических, орфографических и пунктуационных ошибок в казахском тексте. Объём репозитория — 1.93 ГБ. Это fine-tune Til-mini-1B на Til-GEC.
| Характеристика | Значение |
|---|---|
| Архитектура | DeepseekV3ForCausalLM, MLA |
| Слоёв | 24 |
| Контекст | 2048 токенов |
| Формат | ChatML |
| Данные fine-tune | около 900 GEC-пар |
Модель исправляет казахские буквы, регистр, пунктуацию и частые ошибки согласования и орфографии. Длинный текст лучше обрабатывать по предложениям и брать первую строку ответа.
python
from transformers import AutoModelForCausalLM, AutoTokenizer repo = "TilQazyna/Til-mini-1B-GEC"tokenizer = AutoTokenizer.from_pretrained(repo)model = AutoModelForCausalLM.from_pretrained(repo)message = "Мәтіндегі қателерді түзет. Тек түзетілген мәтінді қайтар.\n\nМәтін: кеше жанбыр жауды"prompt = tokenizer.apply_chat_template([{"role": "user", "content": message}], tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt")output = model.generate(**inputs, max_new_tokens=128, do_sample=False)print(tokenizer.decode(output[0][inputs.input_ids.shape[1]:], skip_special_tokens=True).split("\n")[0])Карточка и список файлов открыты. Команда TilQazyna разрешает скачивание после рассмотрения заявки через «Request access».
Базовая модель — Til-mini-1B, данные обучения — Til-GEC.
Til-mini-1B-GEC is a 956.3M-parameter model for correcting grammatical, spelling, and punctuation errors in Kazakh text. The repository occupies 1.93 GB. It fine-tunes Til-mini-1B on Til-GEC.
| Characteristic | Value |
|---|---|
| Architecture | DeepseekV3ForCausalLM, MLA |
| Layers | 24 |
| Context | 2048 tokens |
| Format | ChatML |
| Fine-tune data | about 900 GEC pairs |
The model corrects Kazakh letters, capitalization, punctuation, and common agreement and spelling errors. Longer texts should be processed sentence by sentence, keeping the first response line.
python
from transformers import AutoModelForCausalLM, AutoTokenizer repo = "TilQazyna/Til-mini-1B-GEC"tokenizer = AutoTokenizer.from_pretrained(repo)model = AutoModelForCausalLM.from_pretrained(repo)message = "Мәтіндегі қателерді түзет. Тек түзетілген мәтінді қайтар.\n\nМәтін: кеше жанбыр жауды"prompt = tokenizer.apply_chat_template([{"role": "user", "content": message}], tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt")output = model.generate(**inputs, max_new_tokens=128, do_sample=False)print(tokenizer.decode(output[0][inputs.input_ids.shape[1]:], skip_special_tokens=True).split("\n")[0])The card and file list are public. Downloads require approval of a request submitted through “Request access” and reviewed by the TilQazyna team.
The base checkpoint is Til-mini-1B, and the training dataset is Til-GEC.
Лицензия · License: apache-2.0 · TilQazyna
from transformers import AutoModelForCausalLM, AutoTokenizer repo = "TilQazyna/Til-mini-1B-GEC"tokenizer = AutoTokenizer.from_pretrained(repo)model = AutoModelForCausalLM.from_pretrained(repo)message = "Мәтіндегі қателерді түзет. Тек түзетілген мәтінді қайтар.\n\nМәтін: кеше жанбыр жауды"prompt = tokenizer.apply_chat_template([{"role": "user", "content": message}], tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt")output = model.generate(**inputs, max_new_tokens=128, do_sample=False)print(tokenizer.decode(output[0][inputs.input_ids.shape[1]:], skip_special_tokens=True).split("\n")[0])from transformers import AutoModelForCausalLM, AutoTokenizer repo = "TilQazyna/Til-mini-1B-GEC"tokenizer = AutoTokenizer.from_pretrained(repo)model = AutoModelForCausalLM.from_pretrained(repo)message = "Мәтіндегі қателерді түзет. Тек түзетілген мәтінді қайтар.\n\nМәтін: кеше жанбыр жауды"prompt = tokenizer.apply_chat_template([{"role": "user", "content": message}], tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt")output = model.generate(**inputs, max_new_tokens=128, do_sample=False)print(tokenizer.decode(output[0][inputs.input_ids.shape[1]:], skip_special_tokens=True).split("\n")[0])from transformers import AutoModelForCausalLM, AutoTokenizer repo = "TilQazyna/Til-mini-1B-GEC"tokenizer = AutoTokenizer.from_pretrained(repo)model = AutoModelForCausalLM.from_pretrained(repo)message = "Мәтіндегі қателерді түзет. Тек түзетілген мәтінді қайтар.\n\nМәтін: кеше жанбыр жауды"prompt = tokenizer.apply_chat_template([{"role": "user", "content": message}], tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt")output = model.generate(**inputs, max_new_tokens=128, do_sample=False)print(tokenizer.decode(output[0][inputs.input_ids.shape[1]:], skip_special_tokens=True).split("\n")[0])