Downloads · 30 days
29
10% of all-time downloads
Jarvis-Qwen3-8B-Turkish-v2
engomeryasir/Jarvis-Qwen3-8B-Turkish-v2
Jarvis-Qwen3-8B-Turkish-v2 is a text generation model from engomeryasir. Use it when you need the model to write or continue text. It is set up for mlx. The card lists the license as apache-2.0.
Türkçe kod yazma, reasoning ve tool calling yeteneklerine sahip fine-tuned Qwen3-8B modeli.
All-time downloads
291
Public
Parameters
8.2B
4.6 GB on disk
Likes
0
Public
Repo makeup
Click a slice to open those files.
.safetensors4.6 GB · 100%
Parameter types
How the weights are stored.
U328.2B · 100%
Base models
Datasets
Model card
From the Hugging Face model README
Jarvis-Qwen3-8B-Turkish-v2
Türkçe kod yazma, reasoning ve tool calling yeteneklerine sahip fine-tuned Qwen3-8B modeli.
A fine-tuned Qwen3-8B model specialized for Turkish code generation, chain-of-thought reasoning, and tool calling capabilities. Trained on Apple Silicon using MLX framework with QLoRA.
Model Özeti / Model Summary
| Özellik | Değer |
|---|---|
| Base Model | Qwen/Qwen3-8B |
| Parameters | 8.19B (6.06M trainable via LoRA) |
| Quantization | Merged QLoRA adapters (rank=16, 10 layers) |
| Framework | MLX (Apple Silicon optimized) |
| Training Hardware | Apple M4 Pro 24GB Unified Memory |
| License | Apache-2.0 |
| Language | Turkish (tr), English (en) |
Eğitim Detayları / Training Details
3-Aşamalı Curriculum Pipeline
Model, 3 aşamalı bir curriculum learning pipeline ile eğitilmiştir:
| Aşama | İterasyon | Learning Rate | Açıklama |
|---|---|---|---|
| SFT-General | 800 | 2e-5 | Genel talimat takibi + temel kod yazma (zorluk 1-3) |
| SFT-Expert | 500 | 1e-5 | İleri kod + algoritma + sistem tasarımı (zorluk 3-5) |
| DPO Alignment | 200 | 5e-6 | Kod kalitesi, verimlilik, güvenlik hizalaması |
Eğitim Verisi
Toplam 1701 filtreli örnek (2249 ham → %24.4 azalma, diversity score: 0.877):
| Kategori | Örnek Sayısı | Metodoloji |
|---|---|---|
| Kod (14 kategori) | 780 | Evol-Instruct + OSS-Instruct + SelfCodeAlign |
| Chain-of-Thought | 580 | GPT-4o-mini ile 6 reasoning kategorisi |
| Tool Calling | 245 | Hermes function calling format |
| DPO Pairs | 214 | Kod kalitesi, verimlilik, güvenlik, test, açıklama |
| Türkçe Kültür | 160 | Atasözleri, dilbilgisi, tarih, internet jargonu |
Kod kategorileri: Python (fundamentals + advanced), algorithms & data structures, data science, web development, JavaScript/TypeScript, SQL, DevOps/Shell, testing, design patterns, agent development, system design, debugging, Java enterprise.
Veri Üretim Yöntemleri
- Evol-Instruct (WizardCoder tarzı): Basit sorudan başlayıp iteratif karmaşıklaştırma
- OSS-Instruct (Magicoder tarzı): Seed örneklerden türetme
- SelfCodeAlign: Sandbox doğrulama ile kod kalite kontrolü
- AlpaGasus + DeITA: Hibrit LLM kalite filtreleme
- Embedding Deduplication: Semantik tekrar eliminasyonu
Benchmark Sonuçları / Evaluation Results
| Benchmark | Skor | Açıklama |
|---|---|---|
| HumanEval-TR | 70% pass@1 | Türkçe açıklamalı klasik HumanEval problemleri |
| MBPP-TR | 50% pass@1 | Basit Python görevleri, 3 test case ile |
| CodeQA-TR | 100% | Kod açıklama ve hata bulma soruları |
| MultiLang | 100% | JavaScript (%100), SQL (%100) |
| TR-BFCL | 37.5% | Türkçe function calling (multi-tool %100, negative %100) |
Kullanım / Usage
MLX ile (Apple Silicon)
from mlx_lm import load, generate
model, tokenizer = load("engomeryasir/Jarvis-Qwen3-8B-Turkish-v2")
prompt = "Python ile binary search algoritması yaz ve karmaşıklığını açıkla."
messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(messages, add_generation_prompt=True, tokenize=False)
response = generate(model, tokenizer, prompt=text, max_tokens=1024)
print(response)
MLX Server ile
# Sunucuyu başlat
python -m mlx_lm.server --model engomeryasir/Jarvis-Qwen3-8B-Turkish-v2 --port 11435
# API isteği
curl http://localhost:11435/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{"messages":[{"role":"user","content":"FastAPI ile REST API yaz"}],"max_tokens":500}'
Özellikler / Features
- Türkçe Kod Yazma: 14 programlama kategorisinde Türkçe talimatlarla kod üretimi
- Chain-of-Thought:
<think>...</think>blokları ile şeffaf düşünme süreci - Tool Calling: Hermes function calling formatında araç kullanımı
- Çok Dilli Kod: Python, JavaScript, TypeScript, SQL, Bash, Java
- Türkçe Kültür: Atasözleri, dilbilgisi, tarih bilgisi
Sınırlamalar / Limitations
- Model ağırlıklı olarak İngilizce pre-training'e sahiptir; Türkçe performansı sınırlı olabilir
- Tool calling formatı Hermes standardındadır; diğer formatlarla uyumsuz olabilir
- 4.3GB model boyutu — minimum 8GB RAM önerilir
- Bash kod üretiminde düşük performans (%0)
- Hallucination riski mevcuttur; kritik uygulamalarda doğrulama önerilir
Alıntı / Citation
@misc{jarvis-qwen3-8b-turkish-v2,
title={Jarvis-Qwen3-8B-Turkish-v2: A Fine-tuned Turkish Code & Reasoning Model},
author={Ömer Yasir Önal},
year={2026},
url={https://huggingface.co/engomeryasir/Jarvis-Qwen3-8B-Turkish-v2}
}
Teşekkürler / Acknowledgments
- Qwen Team — Base model
- MLX Team — Apple Silicon ML framework
- WizardCoder — Evol-Instruct methodology
- Magicoder — OSS-Instruct methodology
- SelfCodeAlign — Self-play alignment for code
- Task
- Text Generation
- Library
- mlx
- Type
- qwen3
- License
- apache-2.0
- Languages
- tr, en
- Created
- Feb 16, 2026
- Updated
- Feb 16, 2026