Upload README.md with huggingface_hub

README.md

@@ -27,7 +27,6 @@ model-index:
       value: 69.7
       name: TurkishMMLU (0-shot, 9 ders ortalaması)
 ---
-
 <div align="center">
 
 # Erk
@@ -39,13 +38,13 @@ model-index:
 
 <br>
 
-[![TurkishMMLU](https://img.shields.io/badge/TurkishMMLU-%25_69.7_🥇-2ea043?style=for-the-badge)](#-değerlendirme--evaluation)
+[![Hugging Face](https://img.shields.io/badge/🤗_Model-ecloudtech%2FErk--14B-ffcc00?style=for-the-badge)](https://huggingface.co/ecloudtech/Erk-14B)
+[![TurkishMMLU](https://img.shields.io/badge/TurkishMMLU-%25_69.7-2ea043?style=for-the-badge)](degerlendirme/turkishmmlu.md)
 [![Parametre](https://img.shields.io/badge/Parametre-14B-2563eb?style=for-the-badge)](#)
-[![Dil](https://img.shields.io/badge/Dil-Türkçe-e30a17?style=for-the-badge)](#)
 
 **Açık Türkçe modeller arasında TurkishMMLU birincisi**
 
-[Türkçe](#türkçe) · [English](#english) · [eCloud Tech.](https://www.e-cloud.web.tr)
+[Modeli indir (🤗)](https://huggingface.co/ecloudtech/Erk-14B) · [Türkçe](#türkçe) · [English](#english) · [eCloud Tech.](https://www.e-cloud.web.tr)
 
 </div>
 
@@ -56,27 +55,31 @@ model-index:
 ### Erk nedir?
 
 **Erk**, [eCloud Yazılım Teknolojileri](https://www.e-cloud.web.tr) tarafından
-geliştirilen, **14 milyar parametreli**, Türkçe'ye özel bir büyük dil modelidir.
+geliştirilen, **14 milyar parametreli**, Türkçe odaklı bir büyük dil modelidir.
 
-Bugün Türkçe kullanan yapay zekâ modellerinin neredeyse tamamı İngilizce için tasarlandı
-ve Türkçe onlara sonradan öğretildi. Bu yaklaşımın bedelini her Türkçe kullanıcı öder:
-model, Türkçe'nin sondan eklemeli yapısını tanımaz, kelimeleri anlamsız parçalara böler,
-daha yavaş ve daha pahalı çalışır.
+> **"Sıfırdan" ne demek?** Erk'i, açık bir temel model üzerinde **sıfırdan kurduğumuz
+> bir Türkçe eğitim hattıyla** geliştirdik: sıfırdan oluşturduğumuz Türkçe derlem,
+> milyarlarca token'lık Türkçe sürekli ön-eğitim ve gerçek belgelerle talimat ayarı.
+> Amacımız tekerleği yeniden icat etmek değil, **Türkçe'yi en iyi anlayan modeli**
+> üretmekti. Sektördeki güçlü Türkçe modellerin çoğu gibi biz de güçlü bir açık temelden
+> yola çıktık; asıl değeri katan ise Türkçe'ye özel geliştirme sürecimizdir — ve
+> TurkishMMLU'da bu temeli geçerek bunu kanıtladık.
 
-Erk bu yaklaşımı tersine çevirir. **Türkçe-native bir tokenizer**, **Türkçe derlemde
-ön-eğitim** ve **gerçek belgelerle beslenen talimat ayarı** ile Erk, Türkçe'yi bir
-ikinci dil olarak değil, ana dili olarak öğrenir.
+Bugün Türkçe kullanan yapay zekâ modellerinin çoğu İngilizce için tasarlandı ve Türkçe'ye
+sonradan uyarlandı. Erk ise baştan sona Türkçe düşünülerek geliştirildi: kapsamlı Türkçe
+ön-eğitim ve gerçek belgelerle beslenen talimat ayarıyla, Türkçe'yi bir ikinci dil olarak
+değil, öncelikli dili olarak işler.
 
-### 🏆 Değerlendirme — Evaluation
+### Değerlendirme — Evaluation
 
 Erk, bağımsız ve kamuya açık **TurkishMMLU** kıyaslamasında (9 ders, 0-shot doğruluk)
 test edilen açık Türkçe modellerin **en iyisidir.**
 
 | Sıra | Model | Ölçek | TurkishMMLU |
 |:--:|:---|:--:|:--:|
-| 🥇 | **Erk** | **14B** | **%69,7** |
-| 🥈 | Qwen3 | 14B | %63,4 |
-| 🥉 | Trendyol Asure | 12B | %60,9 |
+| | **Erk** | **14B** | **%69,7** |
+| | Qwen3 | 14B | %63,4 |
+| | Trendyol Asure | 12B | %60,9 |
 | 4 | Turkish-Gemma (YTÜ) | 9B | %60,4 |
 | 5 | Trendyol v4 | 7B | %53,0 |
 | 6 | Kumru (VNGRS) | 2B | %20,1 |
@@ -95,30 +98,34 @@ test edilen açık Türkçe modellerin **en iyisidir.**
 > TurkishMMLU test setinde, 0-shot koşulunda ölçülmüştür. Karşılaştırılan tüm modeller
 > aynı koşullarda değerlendirilmiş ve şeffaf biçimde birlikte raporlanmıştır.
 
-### Neden Erk verimli? — Tokenizer
+Tüm ders skorları ve metodoloji: [`degerlendirme/turkishmmlu.md`](degerlendirme/turkishmmlu.md)
+
+### Türkçe tokenizasyon araştırmamız
 
 Türkçe sondan eklemelidir: *"gözlüklerimizdekilerdenmiş"* gibi tek bir kelimeye onlarca
 ek eklenebilir. İngilizce için tasarlanmış tokenizer'lar bu yapıyı tanımaz ve kelimeyi
-harf yığınına böler. Erk'in Türkçe-native tokenizer'ı ise kökü ve ekleri tanır.
+gereksiz parçalara böler.
 
-Bağımsız test derlemlerinde ölçülen sonuç:
+Açık eğitim reçetemiz [nanosohbet](https://github.com/ecloudtechnology/nanosohbet)
+kapsamında, Türkçe'ye özel bir tokenizer eğitip 14 tokenizer'la karşılaştırdık.
+Ürettiğimiz Türkçe-native tokenizer, aynı Türkçe metni **GPT-4'ün yarısı kadar token'a
+böler** (kelime başına 1,51'e karşı 3,01) ve test edilen tüm tokenizer'ları Türkçe'de
+geçer.
 
-| Model | Kelime başına token (Türkçe) | Göreli maliyet |
+| Tokenizer | Kelime başına token (Türkçe) | Göreli maliyet |
 |:---|:---:|:---:|
-| **Erk** | **1.51** | **1.00×** |
+| **Türkçe-native (nanosohbet)** | **1.51** | **1.00×** |
 | GPT-4o | 2.26 | 1.50× |
 | GPT-4 | 3.01 | **1.99×** |
 | Kimi K2 | 3.07 | 2.03× |
 
-> **GPT-4, aynı Türkçe metni Erk'in iki katı token'a böler.** Bu, aynı içerik için
-> iki kat işlem maliyeti, iki kat daha yavaş üretim ve yarı yarıya daralan bağlam
-> penceresi demektir. Erk'in tokenizer'ı, test edilen 14 tokenizer'ın (diğer Türkçe
-> modeller dahil) tümünü Türkçe'de geçer.
+Tam karşılaştırma:
+[nanosohbet/results](https://github.com/ecloudtechnology/nanosohbet/tree/main/results).
 
 ### Erk'i ayıran üç ilke
 
-**1. Kökünden Türkçe.** Türkçe'ye özel tokenizer ve Türkçe derlemde ön-eğitimle, dilin
-kendi yapısını temelden anlayan bir dil sezgisi. Uyarlama değil.
+**1. Kökünden Türkçe.** Kapsamlı Türkçe sürekli ön-eğitim ve Türkçe'ye özel geliştirme
+sürecimizle, dilin kendi yapısını temelden anlayan bir dil sezgisi.
 
 **2. Gerçek bilgiyle beslendi.** Erk yalnızca genel sohbetle değil; gerçek hukuki
 belgeler, otoriter akademik kaynaklar, doğrulanmış güncel olaylar ve gerçek kullanıcı
@@ -169,7 +176,6 @@ Erk, yalnızca akıcı Türkçe üretmekle kalmaz; **yanlış öncülleri redded
 | Model tipi | Nedensel dil modeli (decoder-only) |
 | Parametre | 14 milyar |
 | Dil | Türkçe |
-| Tokenizer | Türkçe-native byte-level BPE (65.536 sözlük) |
 | Bağlam uzunluğu | 32.768 token |
 | Bilgi kesim tarihi | Ağustos 2026 |
 | Sohbet formatı | ChatML |
@@ -195,7 +201,7 @@ türev çalışmalar (ince ayar, uyarlama) geliştirebilir.
 **Ticari kullanım** — Erk'in veya türevlerinin bir ürün, hizmet ya da gelir getirici
 faaliyette kullanılması — eCloud Yazılım Teknolojileri'nden yazılı izin gerektirir.
 
-📧 Ticari kullanım ve iş birliği: **info@e-cloud.web.tr**
+Ticari kullanım ve iş birliği: **info@e-cloud.web.tr**
 
 ### Sırada: Erk-32B
 
@@ -226,20 +232,23 @@ Almost every AI model used for Turkish today was designed for English, with Turk
 taught to it afterward. Every Turkish user pays the price: the model doesn't understand
 Turkish's agglutinative structure, over-splits words, and runs slower and more expensively.
 
-Erk reverses this. With a **Turkish-native tokenizer**, **pretraining on a Turkish
-corpus**, and **instruction tuning grounded in real documents**, Erk learns Turkish as a
-first language — not a second.
+Erk takes a different path. We built it on a strong open base model, through a
+**Turkish training pipeline we created from scratch**: a from-scratch Turkish corpus,
+extensive Turkish continued pretraining, and instruction tuning grounded in real
+documents. Like most strong Turkish models, we started from a capable open base — the
+value we add is the Turkish-specific development, and we proved it by surpassing that
+base on TurkishMMLU.
 
-### 🏆 Evaluation
+### Evaluation
 
 On the independent, public **TurkishMMLU** benchmark (9 subjects, 0-shot accuracy),
 Erk is **the best of the open Turkish models tested.**
 
 | Rank | Model | Size | TurkishMMLU |
 |:--:|:---|:--:|:--:|
-| 🥇 | **Erk** | **14B** | **69.7%** |
-| 🥈 | Qwen3 | 14B | 63.4% |
-| 🥉 | Trendyol Asure | 12B | 60.9% |
+| | **Erk** | **14B** | **69.7%** |
+| | Qwen3 | 14B | 63.4% |
+| | Trendyol Asure | 12B | 60.9% |
 | 4 | Turkish-Gemma | 9B | 60.4% |
 | 5 | Trendyol v4 | 7B | 53.0% |
 | 6 | Kumru | 2B | 20.1% |
@@ -248,22 +257,23 @@ Strongest subjects: **Geography 85% · Philosophy 85% · Religion & Ethics 83%
 History 76%.** All results measured with `lm-evaluation-harness` on the public
 TurkishMMLU test set, 0-shot, with every model evaluated under identical conditions.
 
-### Why is Erk efficient?
+### Turkish tokenization research
 
 Turkish is agglutinative — dozens of suffixes attach to a single root. English-centric
-tokenizers over-split Turkish words; Erk's Turkish-native tokenizer recognizes roots and
-suffixes.
+tokenizers over-split Turkish. As part of our open recipe
+[nanosohbet](https://github.com/ecloudtechnology/nanosohbet), we trained a Turkish-native
+tokenizer and compared 14 tokenizers: ours splits the same Turkish text into **half the
+tokens of GPT-4** and beats every tokenizer tested.
 
-| Model | Tokens per word (Turkish) | Relative cost |
+| Tokenizer | Tokens per word (Turkish) | Relative cost |
 |:---|:---:|:---:|
-| **Erk** | **1.51** | **1.00×** |
+| **Turkish-native (nanosohbet)** | **1.51** | **1.00×** |
 | GPT-4o | 2.26 | 1.50× |
 | GPT-4 | 3.01 | **1.99×** |
 | Kimi K2 | 3.07 | 2.03× |
 
-**GPT-4 splits the same Turkish text into twice as many tokens as Erk** — meaning 2×
-the cost, 2× slower generation, and half the effective context. Erk's tokenizer
-outperforms all 14 tokenizers tested (including other Turkish models) on Turkish.
+Full comparison:
+[nanosohbet/results](https://github.com/ecloudtechnology/nanosohbet/tree/main/results).
 
 ### Usage
 
@@ -290,7 +300,6 @@ print(tokenizer.decode(out[0][inputs.input_ids.shape[1]:], skip_special_tokens=T
 | Type | Causal decoder-only LM |
 | Parameters | 14 billion |
 | Language | Turkish |
-| Tokenizer | Turkish-native byte-level BPE (65,536 vocab) |
 | Context length | 32,768 tokens |
 | Knowledge cutoff | August 2026 |
 | Chat format | ChatML |
@@ -309,7 +318,7 @@ print(tokenizer.decode(out[0][inputs.input_ids.shape[1]:], skip_special_tokens=T
 Erk is **open source**: anyone may download, run, study and build derivatives.
 **Commercial use** requires written permission from eCloud Yazılım Teknolojileri.
 
-📧 Commercial use & partnerships: **info@e-cloud.web.tr**
+Commercial use & partnerships: **info@e-cloud.web.tr**
 
 The full training recipe is open at
 [nanosohbet](https://github.com/ecloudtechnology/nanosohbet).