Instructions to use ecloudtech/Erk-14B with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use ecloudtech/Erk-14B with Transformers:

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

pipe = pipeline("text-generation", model="ecloudtech/Erk-14B", trust_remote_code=True)
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("ecloudtech/Erk-14B", trust_remote_code=True, device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use ecloudtech/Erk-14B with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "ecloudtech/Erk-14B"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "ecloudtech/Erk-14B",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/ecloudtech/Erk-14B

SGLang

How to use ecloudtech/Erk-14B 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 "ecloudtech/Erk-14B" \
    --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": "ecloudtech/Erk-14B",
		"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 "ecloudtech/Erk-14B" \
        --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": "ecloudtech/Erk-14B",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use ecloudtech/Erk-14B with Docker Model Runner:
```
docker model run hf.co/ecloudtech/Erk-14B
```

Erk

Türkçe için geliştirilmiş yapay zekâ modeli

Dünya modelleri Türkçe'yi yabancı bir dil gibi harf harf söker. Erk, dilin kökünü ve eklerini bir bütün olarak anlar.

Açık Türkçe modeller arasında TurkishMMLU birincisi

Modeli indir (🤗) · Türkçe · English · eCloud Tech.

Türkçe

Erk nedir?

Erk, eCloud Yazılım Teknolojileri tarafından geliştirilen, 14 milyar parametreli, Türkçe odaklı bir büyük dil modelidir.

Temel model ve şeffaflık. Erk, açık kaynaklı Qwen/Qwen3-14B temel alınarak geliştirilmiştir; mimari, tokenizer ve sohbet formatı bu temelden gelir. eCloud'un kattığı değer, bunun üzerine kurduğumuz Türkçe geliştirme hattıdır: kapsamlı Türkçe sürekli ön-eğitim (continued pretraining) ve gerçek belgelerle talimat ayarı (SFT). Sektördeki güçlü Türkçe modellerin çoğu gibi (Trendyol → Llama, Turkish-Gemma → Gemma) biz de güçlü bir açık temelden yola çıktık; asıl farkı katan Türkçe'ye özel eğitim sürecimizdir — ve TurkishMMLU'da temel modeli %63,4'ten %69,7'ye çıkararak bunu kanıtladık.

Bugün Türkçe kullanan yapay zekâ modellerinin çoğu İngilizce için tasarlandı ve Türkçe'ye sonradan uyarlandı. Erk'in Türkçe geliştirme hattı ise Türkçe önceliklidir: kapsamlı Türkçe sürekli ön-eğitim ve gerçek belgelerle beslenen talimat ayarıyla, temel modeli Türkçe'de belirgin biçimde ileri taşır.

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 (temel model)	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

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.

Tüm ders skorları ve metodoloji: degerlendirme/turkishmmlu.md

Tokenizer hakkında

Erk, temel model Qwen3-14B'nin tokenizer'ını kullanır (ChatML formatı, ~152K sözlük). Bu, temel modelle tam uyumu korur.

Not — ayrı bir araştırma: Açık eğitim reçetemiz nanosohbet kapsamında, sıfırdan model eğitimi senaryosu için Türkçe'ye özel bir BPE tokenizer eğittik ve 14 tokenizer'la karşılaştırdık. Bu Türkçe tokenizer aynı Türkçe metni GPT-4'ün yaklaşık yarısı kadar token'a böler (kelime başına 1,51'e karşı 3,01). Bu tokenizer araştırma amaçlıdır ve Erk-14B'de kullanılmamaktadır — nanosohbet reçetesiyle sıfırdan model eğitmek isteyenler içindir. Ayrıntı: nanosohbet/results.

Erk'i ayıran üç ilke

1. Derinlemesine Türkçe. Kapsamlı Türkçe sürekli ön-eğitim ve Türkçe'ye özel geliştirme sürecimizle, temel modelin Türkçe yetkinliğini belirgin biçimde ileri taşıyan bir dil sezgisi.

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 deposunda açıktır. İsteyen inceler, isteyen kendi Türkçe modelini eğitir.

Kullanım

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",
)

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))

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
Bağlam uzunluğu	32.768 token
Bilgi kesim tarihi	Ağustos 2026
Sohbet formatı	ChatML
Kesinlik	bfloat16
TurkishMMLU	%69,7 (açık Türkçe modellerde 1.)
Lisans	eCloud Açık Topluluk Lisansı

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 ve ticari kullanım

Erk açık kaynaklıdır: herkes indirebilir, çalıştırabilir, inceleyebilir ve üzerine 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

@misc{erk2026,
  title  = {Erk: Türkçe için geliştirilmiş yapay zekâ modeli (Qwen3-14B tabanlı)},
  author = {eCloud Yazılım Teknolojileri},
  year   = {2026},
  url    = {https://huggingface.co/ecloudtech/Erk-14B}
}

English

What is Erk?

Erk is a 14-billion-parameter, Turkish-focused large language model developed by eCloud Yazılım Teknolojileri.

Base model & transparency. Erk is built on the open-source Qwen/Qwen3-14B; the architecture, tokenizer and chat format come from that base. eCloud's contribution is the Turkish development pipeline layered on top: extensive Turkish continued pretraining and instruction tuning (SFT) grounded in real documents. Like most strong Turkish models (Trendyol → Llama, Turkish-Gemma → Gemma), we start from a capable open base — the value we add is the Turkish-specific training, and we proved it by lifting the base from 63.4% to 69.7% on TurkishMMLU.

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's Turkish pipeline targets exactly this: extensive Turkish continued pretraining and instruction tuning that move the base model meaningfully forward in Turkish.

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 (base model)	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.

About the tokenizer

Erk uses the tokenizer of its base model, Qwen3-14B (ChatML format, ~152K vocab), preserving full compatibility with the base.

Note — separate research: As part of our open recipe nanosohbet, we trained a Turkish-specific BPE tokenizer for the train-from-scratch scenario and compared 14 tokenizers: it splits the same Turkish text into about half the tokens of GPT-4 (1.51 vs 3.01 per word). This tokenizer is research-only and is not used in Erk-14B — it is for people training their own Turkish model from scratch with the nanosohbet recipe. Details: nanosohbet/results.

Usage

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
Context length	32,768 tokens
Knowledge cutoff	August 2026
Chat format	ChatML
Precision	bfloat16
License	eCloud Open Community License

Limitations

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.

Bir eCloud Yazılım Teknolojileri projesidir.
Yerli zekâ, küresel ölçek.

Downloads last month: 11

Safetensors

Model size

15B params

Tensor type

F32

Model tree for ecloudtech/Erk-14B

Base model

Qwen/Qwen3-14B-Base

Finetuned

Qwen/Qwen3-14B

Finetuned

(306)

this model

Evaluation results

TurkishMMLU (0-shot, 9 ders ortalaması) on TurkishMMLU
self-reported

69.700