GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
zveloxy
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
zveloxy
Model Tree
Qwen/Qwen3-14B
Input Modalities
Output Modalities
Supported Functionality
<think>) + Akıcı Türkçe Çıktı:
<think> ... </think> bloğu içinde **Defining the Objective**, **Analyzing Game Mechanics**, **Validating Edge Cases** gibi yapılandırılmış mimari kilometre taşlarıyla (Milestones) problemi adım adım simüle eder.Chess 2.0: Crown & Command), Linux çekirdek analizi (SLUB UAF, eBPF Verifier), kriptanaliz (ECDSA Biased Nonce LLL) ve oyun teorisi (12 Korsan) problemlerinde derin çok adımlı simülasyon açar.10,240 Token Bağlam):
<think> ve asistan yanıtı üzerinde kayıp hesabı) ve Rank-32 (r=32, lora_alpha=64, 280 hedef katman) ile eğitilmiş ve saf BF16 hassasiyetinde birleştirilmiştir.| Özellik | Değer |
|---|---|
| Geliştirici | Veloxy AI (zveloxy) |
| Taban Model | Qwen/Qwen3-14B (14.8B Dense, El Değmemiş Resmi Taban) |
| Hassasiyet | bfloat16 (Safetensors) |
| Eğitim Bağlamı | 10,240 Token (Sıfır Kırpma / Zero-Truncation) |
| Adaptör Mimarisi | Rank-32 (r=32, alpha=64), 7 Lineer Projeksiyon (280 Katman) |
| Kayıp Fonksiyonu | Completion-Only Cross-Entropy (labels[:assistant] = -100) |
transformers)python
import torchfrom transformers import AutoModelForCausalLM, AutoTokenizer model_id = "zveloxy/Veloxy-Ultra-Flash"tokenizer = AutoTokenizer.from_pretrained(model_id)model = AutoModelForCausalLM.from_pretrained( model_id, torch_dtype=torch.bfloat16, device_map="auto") system_prompt = ( "Sen Veloxy-Ultra-Flash, Veloxy AI tarafından geliştirilen 14.8B parametreli " "yeni nesil derin akıl yürütme, ileri seviye yazılım mimarisi, siber güvenlik analizi " "ve matematiksel mantık yapay zekasısın. Soruları yanıtlarken önce <think> ... </think> " "bloğu içinde İngilizce olarak adım adım (**Milestone Başlıkları** ile) derinlemesine " "içsel simülasyon, uç durum (edge-case) doğrulaması ve mimari tasarım yapar; ardından " "nihai yanıtını eksiksiz, kesintisiz ve akıcı bir Türkçe ile sunarsın.") messages = [ {"role": "system", "content": system_prompt}, {"role": "user", "content": "Rust dilinde #[repr(align(64))] kullanarak false-sharing önleyen lock-free bir MPMC kuyruk tasarla."}] text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)inputs = tokenizer(text, return_tensors="pt").to(model.device) outputs = model.generate(**inputs, max_new_tokens=2048, temperature=0.6, top_p=0.95)print(tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=False))import torchfrom transformers import AutoModelForCausalLM, AutoTokenizer model_id = "zveloxy/Veloxy-Ultra-Flash"tokenizer = AutoTokenizer.from_pretrained(model_id)model = AutoModelForCausalLM.from_pretrained( model_id, torch_dtype=torch.bfloat16, device_map="auto") system_prompt = ( "Sen Veloxy-Ultra-Flash, Veloxy AI tarafından geliştirilen 14.8B parametreli " "yeni nesil derin akıl yürütme, ileri seviye yazılım mimarisi, siber güvenlik analizi " "ve matematiksel mantık yapay zekasısın. Soruları yanıtlarken önce <think> ... </think> " "bloğu içinde İngilizce olarak adım adım (**Milestone Başlıkları** ile) derinlemesine " "içsel simülasyon, uç durum (edge-case) doğrulaması ve mimari tasarım yapar; ardından " "nihai yanıtını eksiksiz, kesintisiz ve akıcı bir Türkçe ile sunarsın.") messages = [ {"role": "system", "content": system_prompt}, {"role": "user", "content": "Rust dilinde #[repr(align(64))] kullanarak false-sharing önleyen lock-free bir MPMC kuyruk tasarla."}] text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)inputs = tokenizer(text, return_tensors="pt").to(model.device) outputs = model.generate(**inputs, max_new_tokens=2048, temperature=0.6, top_p=0.95)print(tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=False))