---
base_model: google/gemma-4-26b-a4b-it
tags:
- text-generation-inference
- transformers
- gemma4
license: apache-2.0
language:
- ko
---

# 🇰🇷 AIKAR 3 Pro (26B) - Specialist in Korean Reasoning

**AIKAR 3 Pro**는 LOOP에서 개발된 26B 규모의 언어 모델로, 특히 **한국어 추론(Reasoning) 능력 극대화**를 위해 설계되었습니다. 일반적인 대규모 언어 모델(LLM)이 보여주는 단순 정보 제공을 넘어, 복잡한 한국어 논리 구조 이해, 문맥적 추론, 다단계 수학 및 코딩 문제를 한국어 맥락에서 풀어내는 데 최적화되어 있습니다.

[![License](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](https://opensource.org/licenses/Apache-2.0)
[![Language](https://img.shields.io/badge/Language-Korean%20Priority-red)](https://github.com/AIKAR_LLM)
[![Parameters](https://img.shields.io/badge/Params-26B-green)](https://loop.ai)

## ✨ Key Features (핵심 기능)

- **Reasoning Focused (추론 중심):** 단순 생성 모델이 아닌, 논리적인 단계(Chain-of-Thought)를 거쳐 답을 도출하는 추론 특화 아키텍처입니다. 한국어 문맥에서 발생하는 미묘한 뉘앙스를 논리 구조에 결합합니다.
- **Korean-Centric Dataset (한국어 특화):** 한국어의 문법적 특성, 문화적 배경, 전문 용어를 깊이 있게 이해할 수 있도록 한국어 정제 데이터셋을 중심으로 사전 학습(Pre-training) 및 미세 조정(Fine-tuning)되었습니다.
- **Efficient 26B Architecture (26B 규모):** 추론 능력의 효율성을 극대화하기 위해 26B 파라미터를 사용하여, 상대적으로 적은 VRAM으로도 고성능의 CoT(Reasoning) 결과를 얻을 수 있도록 최적화되었습니다.
- **Multi-task Capabilities:** 수학적 사고, 프로그래밍, 문학적 추론, 법률 및 기술 문서 해석 등 다양한 고도화된 작업에 능숙합니다.

## 📊 모델 구조 (Model Architecture)

AIKAR 3 Pro는 대규모 26B 파라미터 레이어를 가진 디코더 전용 트랜스포머(Decoder-only Transformer) 모델입니다. LOOP 고유의 알고리즘을 통해 한국어 토큰 처리 효율을 40% 이상 향상시켜, 긴 문맥(Context window)에서도 추론 일관성을 유지합니다.

- **파라미터:** 26 Billion
- **Context Window:** 32k tokens
- **Focus:** Korean Language Understanding, Logical Reasoning, Mathematical Solving

## 🛠️ 학습 과정 (Training Process)

AIKAR 3 Pro는 다음 세 가지 단계를 거쳐 완성되었습니다:

1.  **Advanced Pre-training:** 방대한 한국어 문법 교재, 뉴스, 전문 서적 및 공개 웹 데이터를 학습하였습니다.
2.  **Supervised Fine-Tuning (SFT):** 정교하게 설계된 한국어 추론 튜토리얼 데이터셋을 학습하여 생각의 흐름(Thought chain)을 형성했습니다.
3.  **Reasoning Reinforcement Learning:** 인간의 선호도를 반영한 한국어 논리 검증 루프를 통해, 단순히 답만 내는 것이 아니라 논리적으로 타당한 설명(Rationales)을 제공하도록 최적화되었습니다.

## 🚀 시작하기 (Getting Started)

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "DFveloper/AIKAR-3-Pro-unquantized"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", torch_dtype="auto")

prompt = """문제가 있습니다. 37%의 할인율을 적용한 상품이 15,000원일 때, 원래 가격은 얼마입니까? 단계별로 논리적으로 설명하세요."""
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens=512, temperature=0.7)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
```

## 📋 모델 사용 주의사항 (Usage Note)

AIKAR 3 Pro는 추론 능력을 강화한 모델입니다. 따라서 답을 바로 얻기보다, "단계적으로 설명해줘(Let's think step by step)" 또는 "논리적 과정을 상세히 적어줘"와 같은 프롬프트를 사용할 때 최상의 성능을 발휘합니다.

## 🤝 커뮤니티 및 연락처

- **Developers:** LOOP Research Team
- **Homepage:** [loop.ai](https://loop.ai) (예시 링크)
- **Report issues:** [Github Issue Link]

---
*© 2026 LOOP AIKAR Laboratory. All Rights Reserved.*