Kumru Nedir? Türkçe İçin Geliştirilen Yerli Dil Modeli

Kumru, İstanbul merkezli teknoloji şirketi VNGRS'nin Türkçe için geliştirdiği büyük dil modeli. Çoğu büyük dil modeli ağırlıklı olarak İngilizce veriyle eğitilip sonradan başka dillere uyarlanırken, Kumru baştan Türkçe odaklı eğitildi. Bu yazıda Kumru'nun ne olduğunu, Türkçeye özel bir modelin neden önemli olduğunu, açık paylaşılan 2B sürümünü ve öğrencilerin Kumru'yu nasıl deneyebileceğini VNGRS'nin kendi paylaşımlarına dayanarak anlatıyoruz.

Kumru nedir?

VNGRS, Kumru'yu Türkçe için sıfırdan eğitilmiş ve kamuya açık biçimde paylaşılan bir büyük dil modeli olarak tanıttı. Büyük dil modeli, büyük miktarda metinle eğitilen ve metin anlayıp üretebilen yapay zeka modeli demek. ChatGPT, Claude ve Gemini gibi asistanların arkasında da bu tür modeller var.

"Sıfırdan eğitilmiş" ifadesi önemli: Kumru, başka bir dilin modeli alınıp Türkçeye uyarlanarak değil, baştan Türkçe veriyle eğitildi. Hugging Face'teki model kartına göre model, temizlenmiş ve tekrarlardan arındırılmış 500 GB büyüklüğünde, 300 milyar tokenlık bir veriyle ön eğitimden geçirildi ve ardından 1 milyon örnekle ince ayar yapıldı.

Türkçeye özel model neden önemli?

Dil modelleri metni token adı verilen küçük parçalara bölerek işler. İngilizce için tasarlanmış bir bölücü, Türkçenin eklerle uzayan kelimelerini gereğinden fazla parçaya ayırabilir. Bu hem işlemi yavaşlatır hem de modelin aynı anda dikkate alabileceği metni kısaltır.

Kumru'nun Türkçe için eğitilmiş bir bölücüsü var. Model kartına göre bu verimlilik sayesinde varsayılan 8.192 tokenlık bağlam uzunluğu, başka modellere göre daha uzun bir Türkçe metne karşılık geliyor. Bağlam uzunluğu, modelin tek seferde dikkate alabildiği metin miktarı demek.

Kumru-2B: açık paylaşılan sürüm

Kumru'nun 2 milyar parametreli sürümü Kumru-2B, Hugging Face üzerinden Apache 2.0 lisansıyla paylaşılıyor. Apache 2.0, ticari kullanıma ve değiştirmeye izin veren serbest bir lisans. Model kartında sohbet için ince ayar yapılmış bu sürümün özellikle dil bilgisi düzeltme ve metin özetleme konusunda başarılı olduğu belirtiliyor. Kartta ayrıca daha büyük bir 7B sürümü için bir deneme bağlantısı yer alıyor.

VNGRS'ye göre Kumru-2B, Türkçe testlerinde kendisinden çok daha büyük bazı modelleri geride bırakıyor. Bu, şirketin kendi değerlendirmesi; farklı görevlerde sonuçlar değişebilir.

Parametre, modelin eğitimde öğrendiği sayısal değerler demek. 2 milyar parametre, bugünün en büyük modellerine göre küçük bir boyut; bu da modelin daha sıradan donanımlarda çalıştırılabilmesini sağlıyor.

Öğrenci için ne işe yarar?

• Türkçe metin çalışmaları: Dil bilgisi düzeltme ve özetleme gibi işlerde Türkçeye özel bir modelin nasıl davrandığını görmek.
• Bitirme projeleri: Bilgisayar ve veri bilimi öğrencileri için Türkçe doğal dil işleme projelerinde temel model olarak kullanmak.
• Araştırma: Türkçe odaklı bir modelle çok dilli modelleri karşılaştırmak.
• Yerel çalıştırma: Küçük boyutu sayesinde modeli kendi donanımında denemek.

Nasıl denenir?

1. Hugging Face'te vngrs-ai hesabındaki Kumru-2B model sayfasını aç.
2. Model kartındaki kullanım örneklerini ve lisansı oku.
3. Model kartındaki bağlantıdan daha büyük sürümün demosunu deneyebilirsin.
4. Programlama biliyorsan modeli yaygın açık kaynak kütüphanelerle kendi ortamında çalıştırabilirsin.

Dikkat edilecekler

• Beklentiyi doğru kur: Kumru-2B, büyük ticari asistanlarla aynı genişlikte işler için tasarlanmadı. Güçlü olduğu alanlar dil bilgisi ve özetleme gibi belirli görevler.
• Doğrula: Her dil modeli gibi Kumru da hatalı bilgi üretebilir.
• Lisansı oku: Bir projede kullanacaksan Apache 2.0 lisansının koşullarına uy.

Açık paylaşılan modellerin ne anlama geldiğini Açık Kaynak Yapay Zeka Modelleri Nedir? yazısında anlattık.

Türkçe bir modelle neler denenebilir?

Kumru-2B'nin güçlü olduğu belirtilen görevler üzerinden birkaç deneme fikri:

• Dil bilgisi düzeltme: Yazım ve noktalama hataları içeren bir paragrafı düzelttirip sonucu kendi bilginle karşılaştır.
• Özetleme: Uzun bir haberi ya da makale özetini kısaltmasını iste ve ana fikrin korunup korunmadığını kontrol et.
• Karşılaştırma: Aynı Türkçe metni hem Kumru'ya hem çok dilli bir modele vererek sonuçları karşılaştır. Bu, bir bitirme projesi ya da ders ödevi için iyi bir araştırma sorusu olabilir.

Yerel çalıştırmanın avantajları

Açık paylaşılan ve görece küçük bir model olması, Kumru'yu kendi donanımında çalıştırmayı mümkün kılıyor. Bunun bazı avantajları var:

• Veri kontrolü: Metinlerin cihazından çıkmaz; hassas verilerle çalışan projelerde bu önemli olabilir.
• İnternetsiz kullanım: Model indirildikten sonra internet bağlantısı olmadan çalışabilir.
• Öğrenme: Bir dil modelinin nasıl kurulduğunu ve çalıştırıldığını uygulamalı olarak görürsün.

Yerel dil modelleri neden önemli?

Bir dilin kendi modeline sahip olması, o dildeki metinlerin daha verimli işlenmesini ve o dile özgü ifadelerin daha iyi anlaşılmasını sağlayabilir. Ayrıca kurumlar, verilerini yurt dışındaki bir hizmete göndermeden kendi sistemlerinde çalışan bir model kullanma imkânı bulur. Kumru, bu yönde atılmış adımlardan biri olarak Türkçe doğal dil işleme çalışmaları için bir başlangıç noktası sunuyor.

Kurum ya da iş yeri adına kullanırken

Kumru ile kendi ödevin ya da projen üzerinde çalışmak senin kararın. Staj yaptığın şirketin, çalıştığın kurumun ya da bir müşterinin işini yaparken durum değişir: araca yazdığın ya da yüklediğin her bilgi, sahibinin kurallarına tabidir. Bunu bilen az, sorun çoğu zaman bir müşteri dosyası yanlış araca girildikten sonra fark ediliyor. Kurum adına yapay zeka kullanmadan önce üç soruyu netleştir:

• Veri kimin? Kurum adına yaptığın işte metin, tablo, kod ya da belge çoğu zaman sana değil; kuruma, müşterisine ya da iş ortağına aittir.
• Yazılı bir yapay zeka politikası var mı? Varsa oku. Yoksa işe başlamadan önce yöneticine ya da sorumlu birime sor.
• Hangi araç, hangi hesap, hangi bilgi? Politika belirli araçlara, kurumsal hesaplara ya da belirli bilgi türlerine izin veriyorsa yalnızca o sınırlar içinde kullan. Kişisel hesabınla kurum verisi girmek, iyi niyetle yapılsa bile kurala aykırı olabilir.

KVKK'nın 2026'da yayımladığı iş yeri dokümanı, kurumun bilgisi ve onayı dışında kullanılan yapay zeka araçlarını, yani gölge yapay zekayı, kişisel veriler ve ticari sırlar için başlıca risklerden biri olarak ele alıyor. Kurumların bu kuralları nasıl yazdığını ve bir politikada neler bulunduğunu Şirketler İçin Yapay Zeka Politikası yazısında anlattık.

Sıkça sorulan sorular

Kumru'yu kim geliştirdi?

Kumru'yu İstanbul merkezli teknoloji şirketi VNGRS geliştirdi.

Kumru ücretsiz mi?

Kumru-2B sürümü Hugging Face üzerinden Apache 2.0 lisansıyla ücretsiz indirilebiliyor.

Kumru neden Türkçede daha verimli?

Türkçe için eğitilmiş bir bölücüye sahip. Bu sayede Türkçe metinler daha az parçaya bölünüyor ve model aynı bağlam uzunluğunda daha uzun Türkçe metni dikkate alabiliyor.

Kumru ChatGPT'nin yerini tutar mı?

Amaçları farklı. Kumru, Türkçe odaklı ve görece küçük bir model; büyük ticari asistanlar ise çok daha geniş bir görev yelpazesi için tasarlanıyor.

Kumru'yu telefonda çalıştırmak mümkün mü?

Küçük boyutlu modeller daha sıradan cihazlarda çalıştırılabilir, ama performans cihazın belleğine ve işlemcisine bağlıdır. Denemeden önce model kartındaki önerileri oku.

Kumru'yu bitirme projemde kullanabilir miyim?

Kumru-2B Apache 2.0 lisansıyla paylaşıldığı için lisans koşullarına uyarak projelerde kullanılabilir. Projende hangi modeli ve lisansı kullandığını belirtmeyi unutma.

Kaynaklar