Upload README.md with huggingface_hub

README.md

@@ -13,8 +13,9 @@ tags:
 - ecloud
 - llm
 - conversational
+- text-generation-inference
 model-index:
-- name: Erk
+- name: Erk-14B
   results:
   - task:
       type: text-generation
@@ -24,75 +25,301 @@ model-index:
     metrics:
     - type: accuracy
       value: 69.7
-      name: TurkishMMLU (0-shot, 9 ders ort.)
+      name: TurkishMMLU (0-shot, 9 ders ortalaması)
 ---
 
 <div align="center">
 
-# Erk
+# 🦅 Erk
 
 ### Türkçe için sıfırdan geliştirilmiş yapay zekâ modeli
 
-**TurkishMMLU'da test edilen açık Türkçe modellerin en iyisi — %69,7**
+*Dünya modelleri Türkçe'yi yabancı bir dil gibi harf harf söker.*
+**Erk, dilin kökünü ve eklerini bir bütün olarak anlar.**
+
+<br>
+
+[![TurkishMMLU](https://img.shields.io/badge/TurkishMMLU-%25_69.7_🥇-2ea043?style=for-the-badge)](#-değerlendirme--evaluation)
+[![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)
 
 </div>
 
 ---
 
+## Türkçe
+
+### Erk nedir?
+
 **Erk**, [eCloud Yazılım Teknolojileri](https://www.e-cloud.web.tr) tarafından
-geliştirilen, Türkçe'ye özel bir büyük dil modelidir (14 milyar parametre). Türkçe-native
-tokenizer, Türkçe derlemde ön-eğitim ve gerçek belgelerle beslenen talimat ayarıyla,
-Türkçe'yi kökünden anlar.
+geliştirilen, **14 milyar parametreli**, Türkçe'ye özel 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.
+
+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.
+
+### 🏆 Değerlendirme — Evaluation
 
-## 🏆 Değerlendirme — TurkishMMLU
+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** |
-| 2 | Qwen3 | 14B | %63,4 |
-| 3 | 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 |
 
-Bağımsız, kamuya açık TurkishMMLU (9 ders, 0-shot). Erk'in en güçlü alanları:
-**Coğrafya %85 · Felsefe %85 · Din ve Ahlak %83 · Tarih %76.**
+**Ders bazında Erk:**
+
+| Ders | Doğruluk | | Ders | Doğruluk |
+|:---|:--:|:--:|:---|:--:|
+| Coğrafya | %85 | | Fizik | %62 |
+| Felsefe | %85 | | Kimya | %61 |
+| Din ve Ahlak | %83 | | Türk Dili ve Edebiyatı | %64 |
+| Tarih | %76 | | Matematik | %40 |
+| Biyoloji | %71 | | | |
+
+> **Metodoloji:** Tüm sonuçlar `lm-evaluation-harness` ile, bağımsız ve kamuya açık
+> TurkishMMLU test setinde, 0-shot koşulunda ölçülmüştür. Karşılaştırılan tüm modeller
+> aynı koşullarda değerlendirilmiş ve şeffaf biçimde birlikte raporlanmıştır.
+
+### Neden Erk verimli? — Tokenizer
+
+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.
+
+Bağımsız test derlemlerinde ölçülen sonuç:
+
+| Model | Kelime başına token (Türkçe) | Göreli maliyet |
+|:---|:---:|:---:|
+| **Erk** | **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.
+
+### Erk'i ayıran üç ilke
 
-## Kullanım
+**1. Kökünden Türkçe.** Türkçe'ye özel tokenizer ve Türkçe derlemde ön-eğitimle, dilin
+kendi yapısını temelden anlayan bir dil sezgisi. Uyarlama değil.
+
+**2. Gerçek bilgiyle beslendi.** Erk yalnızca genel sohbetle değil; gerçek hukuki
+belgeler, otoriter akademik kaynaklar, doğrulanmış güncel olaylar ve gerçek kullanıcı
+konuşmalarıyla eğitildi. Bu yaklaşım, modelin uydurmaya (halüsinasyon) eğilimini azaltır
+ve yanlış öncülleri reddetme yeteneği kazandırır.
+
+**3. Açık ve tekrarlanabilir.** Erk'i doğuran eğitim reçetesinin her adımı —
+tokenizer'dan ön-eğitime, talimat ayarına— [nanosohbet](https://github.com/ecloudtechnology/nanosohbet)
+deposunda açıktır. İsteyen inceler, isteyen kendi Türkçe modelini eğitir.
+
+### Kullanım
 
 ```python
 from transformers import AutoModelForCausalLM, AutoTokenizer
 
-tokenizer = AutoTokenizer.from_pretrained("ecloudtech/erk", trust_remote_code=True)
-model = AutoModelForCausalLM.from_pretrained("ecloudtech/erk", trust_remote_code=True)
+tokenizer = AutoTokenizer.from_pretrained("ecloudtech/Erk-14B", trust_remote_code=True)
+model = AutoModelForCausalLM.from_pretrained(
+    "ecloudtech/Erk-14B",
+    trust_remote_code=True,
+    device_map="auto",
+    torch_dtype="auto",
+)
 
-mesaj = [{"role": "user", "content": "Osmanlı Devleti ne zaman kuruldu?"}]
-metin = tokenizer.apply_chat_template(mesaj, tokenize=False, add_generation_prompt=True)
-girdi = tokenizer(metin, return_tensors="pt")
-cikti = model.generate(**girdi, max_new_tokens=256)
+mesajlar = [
+    {"role": "user", "content": "Osmanlı Devleti'nin kuruluşunu kısaca anlatır mısın?"}
+]
+metin = tokenizer.apply_chat_template(mesajlar, tokenize=False, add_generation_prompt=True)
+girdi = tokenizer(metin, return_tensors="pt").to(model.device)
+cikti = model.generate(**girdi, max_new_tokens=512, temperature=0.6, top_p=0.9)
 print(tokenizer.decode(cikti[0][girdi.input_ids.shape[1]:], skip_special_tokens=True))
 ```
 
-## Model kartı
+### Örnek yetenekler
+
+Erk, yalnızca akıcı Türkçe üretmekle kalmaz; **yanlış öncülleri reddeder**:
+
+> **Kullanıcı:** Fatih İstanbul'u fethederken Toyota marka araçla mı gitti?
+>
+> **Erk:** Hayır. Fatih Sultan Mehmet İstanbul'u 1453'te fethetti; Toyota ise 1937'de
+> Japonya'da kurulan bir otomobil markasıdır ve o dönemde henüz yoktu. Bu nedenle soru
+> tarihî gerçeklerle örtüşmemektedir.
+
+### Model kartı
 
 | Özellik | Değer |
 |:---|:---|
 | Geliştirici | eCloud Yazılım Teknolojileri |
+| Model tipi | Nedensel dil modeli (decoder-only) |
 | Parametre | 14 milyar |
 | Dil | Türkçe |
-| Tokenizer | Türkçe-native byte-level BPE (65.536) |
-| Bağlam | 32K token |
+| Tokenizer | Türkçe-native byte-level BPE (65.536 sözlük) |
+| Bağlam uzunluğu | 32.768 token |
 | Bilgi kesim tarihi | Ağustos 2026 |
-| Lisans | eCloud Açık Topluluk Lisansı |
+| Sohbet formatı | ChatML |
+| Kesinlik | bfloat16 |
+| TurkishMMLU | **%69,7** (açık Türkçe modellerde 1.) |
+| Lisans | [eCloud Açık Topluluk Lisansı](LICENSE) |
+
+### Sınırlamalar
+
+Erk güçlü bir Türkçe modelidir; ancak her dil modeli gibi sınırları vardır:
+
+- **Matematik ve sayısal muhakeme** en zayıf olduğu alandır (%40). Karmaşık hesaplama
+  gerektiren görevlerde çıktıları doğrulayın.
+- Çok spesifik, güncel olaylara dair ayrıntılarda hata yapabilir.
+- Bilgi kesim tarihi Ağustos 2026'dır; sonraki gelişmeleri bilmez.
+- Üretilen içerik olgusal olarak yanlış olabilir; kritik kullanımlarda doğrulama gerekir.
 
-## Lisans
+### Lisans ve ticari kullanım
 
 Erk **açık kaynaklıdır**: herkes indirebilir, çalıştırabilir, inceleyebilir ve üzerine
-türev çalışmalar geliştirebilir. **Ticari kullanım** için eCloud Yazılım
-Teknolojileri'nden izin gereklidir. İletişim: info@e-cloud.web.tr
+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**
+
+### Sırada: Erk-32B
+
+Erk'in genişletilmiş ölçekli sürümü **Erk-32B** üzerindeki çalışmalar başlıyor. Daha
+büyük kapasite, daha derin muhakeme ve alan uzmanlığı hedefleniyor.
+
+### Atıf
+
+```bibtex
+@misc{erk2026,
+  title  = {Erk: Türkçe için sıfırdan geliştirilmiş yapay zekâ modeli},
+  author = {eCloud Yazılım Teknolojileri},
+  year   = {2026},
+  url    = {https://huggingface.co/ecloudtech/Erk-14B}
+}
+```
+
+---
+
+## English
+
+### What is Erk?
+
+**Erk** is a **14-billion-parameter, Turkish-native** large language model developed by
+[eCloud Yazılım Teknolojileri](https://www.e-cloud.web.tr).
+
+Almost every AI model used for Turkish today was designed for English, with Turkish
+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.
+
+### 🏆 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% |
+| 4 | Turkish-Gemma | 9B | 60.4% |
+| 5 | Trendyol v4 | 7B | 53.0% |
+| 6 | Kumru | 2B | 20.1% |
+
+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 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.
+
+| Model | Tokens per word (Turkish) | Relative cost |
+|:---|:---:|:---:|
+| **Erk** | **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.
+
+### Usage
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+tokenizer = AutoTokenizer.from_pretrained("ecloudtech/Erk-14B", trust_remote_code=True)
+model = AutoModelForCausalLM.from_pretrained(
+    "ecloudtech/Erk-14B", trust_remote_code=True, device_map="auto", torch_dtype="auto"
+)
+
+messages = [{"role": "user", "content": "Explain the founding of the Ottoman Empire in Turkish."}]
+text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
+inputs = tokenizer(text, return_tensors="pt").to(model.device)
+out = model.generate(**inputs, max_new_tokens=512, temperature=0.6, top_p=0.9)
+print(tokenizer.decode(out[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))
+```
+
+### Model details
+
+| Property | Value |
+|:---|:---|
+| Developer | eCloud Yazılım Teknolojileri |
+| 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 |
+| Precision | bfloat16 |
+| License | eCloud Open Community License |
+
+### Limitations
 
-Eğitim reçetesi: [nanosohbet](https://github.com/ecloudtechnology/nanosohbet)
+- **Mathematics and numerical reasoning** is the weakest area (40%). Verify outputs on
+  computation-heavy tasks.
+- May err on very specific, recent factual details. Knowledge cutoff is August 2026.
+- Generated content can be factually incorrect; verify for critical use.
+
+### License & commercial use
+
+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**
+
+The full training recipe is open at
+[nanosohbet](https://github.com/ecloudtechnology/nanosohbet).
 
 ---
 
-*Bir [eCloud Yazılım Teknolojileri](https://www.e-cloud.web.tr) projesidir · Yerli zekâ, küresel ölçek.*
+<div align="center">
+
+Bir **[eCloud Yazılım Teknolojileri](https://www.e-cloud.web.tr)** projesidir.
+<br>
+*Yerli zekâ, küresel ölçek.*
+
+</div>