Instructions to use canyrtcn/Gemma_E4B_Kizagan_Abliterated with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use canyrtcn/Gemma_E4B_Kizagan_Abliterated with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="canyrtcn/Gemma_E4B_Kizagan_Abliterated")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    },
]
pipe(text=messages)

# Load model directly
from transformers import AutoProcessor, AutoModelForMultimodalLM

processor = AutoProcessor.from_pretrained("canyrtcn/Gemma_E4B_Kizagan_Abliterated")
model = AutoModelForMultimodalLM.from_pretrained("canyrtcn/Gemma_E4B_Kizagan_Abliterated", device_map="auto")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "url": "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/p-blog/candy.JPG"},
            {"type": "text", "text": "What animal is on the candy?"}
        ]
    },
]
inputs = processor.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(processor.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use canyrtcn/Gemma_E4B_Kizagan_Abliterated with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "canyrtcn/Gemma_E4B_Kizagan_Abliterated"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "canyrtcn/Gemma_E4B_Kizagan_Abliterated",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/canyrtcn/Gemma_E4B_Kizagan_Abliterated

SGLang

How to use canyrtcn/Gemma_E4B_Kizagan_Abliterated with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "canyrtcn/Gemma_E4B_Kizagan_Abliterated" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "canyrtcn/Gemma_E4B_Kizagan_Abliterated",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "canyrtcn/Gemma_E4B_Kizagan_Abliterated" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "canyrtcn/Gemma_E4B_Kizagan_Abliterated",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use canyrtcn/Gemma_E4B_Kizagan_Abliterated with Docker Model Runner:
```
docker model run hf.co/canyrtcn/Gemma_E4B_Kizagan_Abliterated
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

🔓 Gemma E4B Kızagan Abliterated

Türkçe muhakeme yeteneğine sahip, reddetme davranışı kaldırılmış (abliterated) açık kaynak dil modeli.

Bu model, AlicanKiraz0/Kizagan-E4B-Turkish-Reasoning-Model üzerinde refusal (reddetme) davranışını kaldırmak için abliteration işlemi uygulanmış versiyonudur.

🧬 Model Soy Ağacı

google/gemma-4-E4B-it
    └── AlicanKiraz0/Kizagan-E4B-Turkish-Reasoning-Model  (540K satır Türkçe SFT)
            └── canyrtcn/Gemma_E4B_Kizagan_Abliterated  ← BU MODEL (abliterated)

⚡ Özellikler

Özellik	Değer
🇹🇷 Dil	Türkçe (optimize), İngilizce
🧠 Temel Model	Gemma 4 E4B-it (8B ham / 4B efektif PLE)
📚 Eğitim	Kızagan SFT (540K satır, ~2B token Türkçe)
🔓 Abliteration	Reddetme davranışı kaldırıldı
📐 Parametre	7.5B toplam / 4B efektif (MoE-style PLE)
📏 Context	131.072 token
⚖️ Lisans	Apache 2.0 (Gemma 4 şartlarına tabi)

🔓 Abliterasyon Hakkında

Bu model, reddetme (refusal) davranışını hedef alan katmanlardaki aktivasyonları modifiye ederek, modelin içerik filtreleme eğilimini kaldıracak şekilde abliterate edilmiştir. Modelin genel yetenekleri korunmuştur.

Not: Reddetme davranışı kaldırıldığı için model, verilen prompt'lara göre filtrelenmemiş içerik üretebilir. Kullanım sorumluluğu size aittir.

🚀 Kullanım

🤗 Transformers ile

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "canyrtcn/Gemma_E4B_Kizagan_Abliterated"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [
    {"role": "user", "content": "Bir yapay zeka modeli nasıl eğitilir? Adım adım açıkla."},
]

inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt",
).to(model.device)

outputs = model.generate(
    inputs,
    max_new_tokens=1024,
    temperature=0.7,
    top_p=0.9,
    do_sample=True,
)

print(tokenizer.decode(outputs[0][inputs.shape[-1]:], skip_special_tokens=True))

🦙 llama.cpp (GGUF)

# GGUF versiyonu için: canyrtcn/Gemma_E4B_Kizagan_Abliterated-GGUF
llama-cli -hf canyrtcn/Gemma_E4B_Kizagan_Abliterated-GGUF \
  --chat-template gemma

🖥️ LM Studio

Repoyu aratıp indirebilirsiniz.

🐳 Ollama

ollama run hf.co/canyrtcn/Gemma_E4B_Kizagan_Abliterated-GGUF

📊 GGUF Quantization Seçenekleri

GGUF versiyonlar şu repoda: canyrtcn/Gemma_E4B_Kizagan_Abliterated-GGUF

Quant	Dosya Boyutu	Kalite	Önerilen Kullanım
Q4_K_M	~5 GB	Çok iyi	8GB VRAM, dengeli
F16	~15 GB	Kayıpsız	16GB+ VRAM, maksimum kalite

⚙️ Önerilen Parametreler

Parametre	Değer
`temperature`	0.3
`top_p`	0.95
`min_p`	0.05
`top_k`	20
`repeat_penalty`	1.05

⚠️ Sınırlamalar

Türkçe odaklıdır — diğer dillerde performans garanti edilmez
Küçük model (E4B) — çok uzun bağlamlarda ve ileri uzmanlık alanlarında büyük modellerin yerini tutmaz
Reddetme davranışı kaldırıldı — filtrelenmemiş içerik üretebilir, kullanım sorumluluğu size ait
Halüsinasyon — tüm LLM'ler gibi yanlış bilgi üretebilir

📜 Lisans

Bu model Apache License 2.0 altında yayınlanmıştır.

Temel model olarak kullanılan google/gemma-4-E4B-it Google'ın Gemma Terms of Use koşullarına tabidir.

🙏 Atıf ve Teşekkür

Alican Kiraz — Kızagan-E4B Türkçe ince-ayar modeli
Google DeepMind — Gemma 4 E4B temel modeli

@misc{kiraz2026kizagan,
  author       = {Alican Kiraz},
  title        = {Kızagan-E4B: A Turkish Reasoning Model Fine-Tuned from Gemma 4 E4B},
  year         = {2026},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/AlicanKiraz0/Kizagan-E4B-Turkish-Reasoning-Model}},
}

@misc{yurtacan2026kizagan_abliterated,
  author       = {Can Yurtaçan},
  title        = {Gemma E4B Kızagan Abliterated — Reddetme Davranışı Kaldırılmış Türkçe Muhakeme Modeli},
  year         = {2026},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/canyrtcn/Gemma_E4B_Kizagan_Abliterated}},
}

Ok yaydan çıktıysa, isabetle dönecek. 🔓

Downloads last month: 336

Safetensors

Model size

8B params

Tensor type

BF16

Model tree for canyrtcn/Gemma_E4B_Kizagan_Abliterated

Base model

google/gemma-4-E4B

Finetuned

google/gemma-4-E4B-it

Finetuned

AlicanKiraz0/Kizagan-E4B-Turkish-Reasoning-Model

Finetuned

(1)

this model

Quantizations

2 models