Gemma 4 26B-A4B Pruned + Türkçe Heal — GGUF

google/gemma-4-26B-A4B-it modelinin uzman-budanmış (expert-pruned) ve Türkçeye uyarlanmış versiyonu. Her katmandaki 128 uzmandan 101'i korundu (~%21 küçülme), ardından Türkçe + kod + matematik karışık talimat veriseti üzerinde LoRA ile iyileştirildi.

llama.cpp / Ollama / LM Studio ile RTX 5060 (16 GB) veya benzeri tüketici GPU'larda kolayca çalışır.

Sürümler

Dosya Boyut Açıklama
merged.Q4_K_M.gguf ~11 GB Önerilen — 24 GB+ VRAM'li kartlarda hızlı
merged.Q5_K_M.gguf ~13 GB Daha yüksek kalite, biraz daha yavaş

Kullanım

llama.cpp

./llama-cli -m merged.Q4_K_M.gguf \
  -p "Türkiye'nin başkenti neresidir?" \
  -n 200 --temp 0.7 --repeat-penalty 1.1

Ollama

cat > Modelfile <<'MODELFILE'
FROM ./merged.Q4_K_M.gguf
TEMPLATE """{{ if .System }}<start_of_turn>system
{{ .System }}<end_of_turn>
{{ end }}{{ if .Prompt }}<start_of_turn>user
{{ .Prompt }}<end_of_turn>
<start_of_turn>model
{{ end }}{{ .Response }}<end_of_turn>
"""
PARAMETER stop "<end_of_turn>"
PARAMETER repeat_penalty 1.1
SYSTEM "Sen yardımsever, dürüst ve bilgili bir Türkçe konuşan asistansın. Kullanıcının sorusu hangi dilde olursa olsun her zaman Türkçe yanıt ver."
MODELFILE

ollama create gemma-tr -f Modelfile
ollama run gemma-tr

Eğitim Detayları

Aşama Detay
Calibration 6000 örnek, %50 Türkçe + %25 kod + %25 matematik karışım
Prune K=101 (128'den), routing weight × count metriğiyle skor
Heal LoRA r=32 α=64, 2 epoch, 25k örnek (%60 TR + %20 kod + %20 matematik)
Donanım A100 80GB, ~2 saat

Sınırlamalar

  • Matematik akıl yürütme (özellikle çok adımlı problemler) zayıf
  • 4-bit quant nedeniyle bf16 versiyonuna kıyasla ~%1-2 perplexity artışı
  • Türkçe-dışı dillerde yazılı talimatlara hâlâ Türkçe cevap verir (system prompt ile değiştirilebilir)

Gemma 4 26B-A4B Pruned + Turkish Heal — GGUF (English)

Expert-pruned variant of google/gemma-4-26B-A4B-it: 128 → 101 experts per layer (~21% smaller), then LoRA-healed on a Turkish + code + math instruction mix. Runs comfortably on RTX 5090 / 24 GB+ consumer GPUs via llama.cpp / Ollama / LM Studio.

Variants

File Size Notes
merged.Q4_K_M.gguf ~11 GB Recommended for 24 GB+ VRAM
merged.Q5_K_M.gguf ~13 GB Higher quality, still fits

Training summary

Stage Detail
Calibration 6000 samples, 50% Turkish + 25% code + 25% math
Prune K=101 per layer, ranked by routing weight × count
Heal LoRA r=32 α=64, 2 epochs, 25k samples (60% TR + 20% code + 20% math)
Hardware A100 80GB, ~2 hours

Limitations

  • Multi-step math reasoning is weak
  • ~1-2% perplexity increase vs bf16 due to 4-bit quantization
  • Defaults to Turkish output; override via system prompt for other languages
Downloads last month
245
GGUF
Model size
20B params
Architecture
gemma4
Hardware compatibility
Log In to add your hardware

2-bit

3-bit

4-bit

5-bit

16-bit

Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for webbrain-one/gemma4-turkish-26b-a4b-pruned-gguf

Quantized
(414)
this model

Collection including webbrain-one/gemma4-turkish-26b-a4b-pruned-gguf