zveloxy/Veloxy-1B

⚡ Veloxy-3B (Turkish High-Fidelity Small Language Model)

Veloxy-3B, 18 Trilyon tokenlık dünya muhakeme hafızası üzerine kurulu, sıfır zeka kaybı ilkesiyle Türkçe diyalog, genel kültür, kodlama ve bilim alanlarında hizalanmış yeni nesil bir Küçük Dil Modelidir (SLM).

Developed by Veloxy AI on NVIDIA A100-SXM4-40GB GPU.

---

🚀 Model Mimarisi & Teknik Özellikler

Özellik	Değer
Toplam Parametre	3,085,938,688 (~3.09B)
Katman Sayısı	36 Transformer Layers (Tamamı Aktif - Sıfır Budama/Kayıp)
Ön-Eğitim Temeli	18 Trilyon Token Çok Dilli Dünya Bilgisi
Hizalama (Alignment)	3,050 Altın Türkçe Çok Alanlı Diyalog Korpusu
Eğitim Donanımı	NVIDIA A100-SXM4-40GB GPU
Son Loss (Kayıp)	0.9775
Format	Standalone PyTorch BF16 / Safetensors

---

🎯 Canlı Doğrulama ve Yanıt Örnekleri

1. Günlük Diyalog:

Kullanıcı: Naber, nasıl gidiyor?
Veloxy-3B: Merhaba! İyi gidiyorum, teşekkür ederim! Size nasıl yardımcı olabilirim?

2. Olgusal Genel Kültür:

Kullanıcı: Türkiye'nin başkenti neresidir?
Veloxy-3B: Türkiye Cumhuriyeti'nin başkenti Ankara'dır. 13 Ekim 1923 tarihinde resmen başkent ilan edilmiştir.

3. Bilim ve Teknoloji:

Kullanıcı: Yapay zeka nedir, kısaca açıkla.
Veloxy-3B: Yapay Zeka (AI), insan zekasını taklit ederek problem çözme, karar verme ve mantıksal analiz yapabilen bilgisayar sistemleridir.

4. Kodlama (Python):

Kullanıcı: Python'da bir liste nasıl ters çevrilir?
Veloxy-3B: Python'da bir listeyi ters çevirmek için reverse() metodunu kullanabiliriz. Örneğin: nums = [1, 2, 3, 4] için nums.reverse() listeyi [4, 3, 2, 1] yapar.

---

💻 Kullanım (Hugging Face Transformers)

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "zveloxy/Veloxy-1B"

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

messages = [
    {"role": "user", "content": "Türkiye'nin başkenti neresidir?"}
]

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

outputs = model.generate(
    **inputs,
    max_new_tokens=100,
    temperature=0.7,
    repetition_penalty=1.1,
    do_sample=True
)

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

---

🌐 Canlı WebUI Arayüzü

Model, Cloudflare Tunnel üzerinden canlı WebUI arayüzünde test edilmiştir.