โœฆ TรLTOS-27B โœฆ

Magyar nyelvre hangolt, gondolkodรณ, kรฉplรกtรณ nyelvi modell

โ€žA tรกltos tud, lรกt รฉs magyarรกz."


Paramรฉter Kontextus Nyelv Licenc


Gondolkodรณ mรณd ยท Kรฉpรฉrtรฉs ยท 262 144 token ยท Egy GPU-n futtathatรณ


Mire valรณ

A Tรกltos-27B akkor a jรณ vรกlasztรกs, ha magyarul kell dolgoznod, รฉs szรกmรญt, hogy a szรถveg รบgy szรณljon, ahogy egy magyar ember รญrnรก. A hangolรกsa hรกrom dologra ment el: termรฉszetes magyar fogalmazรกsra, magyar nyelvลฑ gondolatmenetre, รฉs arra, hogy a modell megmondja, ha valamiben bizonytalan.

โœ๏ธ Fogalmazรกs ๐Ÿง  Gondolkodรกs ๐Ÿ‘๏ธ Kรฉpรฉrtรฉs ๐Ÿ“š Hosszรบ szรถveg
Levรฉl, รถsszefoglalรณ, รกtirat, hivatalos szรถveg magyarul Lรฉpรฉsenkรฉnti levezetรฉs magyar nyelven Kรฉpek รฉs videรณk รฉrtelmezรฉse 262 144 token egy menetben

Specifikรกciรณ

Tulajdonsรกg ร‰rtรฉk
Paramรฉterszรกm 27,8 milliรกrd (dense)
Architektรบra 64 rรฉteg, hibrid Gated DeltaNet + Gated Attention
Kontextusablak 262 144 token
Multimodalitรกs Kรฉp รฉs videรณ bemenet
Gondolkodรณ mรณd Kapcsolhatรณ (enable_thinking)
Alapmodell Qwen/Qwen3.8-27B
Licenc Apache 2.0
Kiadรกs 2026. augusztus

Eredmรฉnyek

Fej-fej melletti รถsszehasonlรญtรกs az alapmodellel, 55 magyar feladaton (รฉrettsรฉgi pรฉldรกk, fogalmazรกs, nyelvtan, kultรบra, รฉrvelรฉs). A gyล‘ztest egy fรผggetlen modellcsalรกd (Gemma-4-31B) vรกlasztotta ki, a vรกlaszok sorrendje vรฉletlenรญtve.

Kimenetel Arรกny
๐Ÿ† Tรกltos-27B a jobb 50,9 %
Alapmodell a jobb 40,0 %
Holtverseny 9,1 %
ร–sszesรญtett preferencia 55,5 %

Ahol a legnagyobb a kรผlรถnbsรฉg: รฉrettsรฉgi feladatok (18 : 13), รฉrvelรฉs รฉs vita (2 : 0), hamis รกllรญtรกsok kiigazรญtรกsa.

Nyelvi mutatรณ Alapmodell Tรกltos-27B
Magyar รฉkezetsลฑrลฑsรฉg 0,0728 0,0753
รtlagos vรกlaszhossz 1 775 kar. 1 649 kar.

A magyar nyelvtani pontossรกg รฉrezhetล‘en javult. Egy panaszlevรฉl-feladatban az alapmodell olyan alakokat adott vissza, mint โ€žfelhรญvni a figyelmetรผkre" vagy โ€ža fizetendล‘ รถsszegetล‘l", a Tรกltos ezeket helyesen รญrja.


รgy kรฉszรผlt

    magyar feladat
          โ”‚
          โ–ผ
   โ”Œโ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”        โ”Œโ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”        โ”Œโ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”
   โ”‚  szakmai     โ”‚โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ–ถโ”‚  anyanyelvi       โ”‚โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ–ถโ”‚  magyar          โ”‚
   โ”‚  vรกzlat      โ”‚        โ”‚  magyar szรถveg    โ”‚        โ”‚  gondolatmenet   โ”‚
   โ””โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”˜        โ””โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”˜        โ””โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”€โ”˜

A tanรญtรณadat sajรกt fejlesztรฉsลฑ, hรกromlรฉpcsล‘s eljรกrรกssal kรฉszรผlt. A kulcsรถtlet, hogy a nyelvi modellek az รกtfogalmazรกsban lรฉnyegesen erล‘sebbek, mint a nyรญlt vรฉgลฑ magyar szรถvegalkotรกsban, รญgy a tartalmi minล‘sรฉg รฉs a magyar megformรกlรกs szรฉtvรกlaszthatรณ รฉs kรผlรถn-kรผlรถn maximalizรกlhatรณ.

Erre รฉpรผlt egy cรฉlzott finomhangolรกs, amely a teljes hรกlรณzatot รฉrinti, majd az eredmรฉny visszaolvadt az alapmodellbe. A tanรญtรกs egyetlen NVIDIA L40S GPU-n futott le.


Hasznรกlat

vLLM (ajรกnlott)

vllm serve Flashtond22/Taltos-27B \
  --served-model-name taltos \
  --max-model-len 32768 \
  --reasoning-parser qwen3
from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="-")

vรกlasz = client.chat.completions.create(
    model="taltos",
    messages=[{"role": "user", "content": "Foglald รถssze hรกrom mondatban, mi volt a kiegyezรฉs."}],
    extra_body={"chat_template_kwargs": {"enable_thinking": False}},
)
print(vรกlasz.choices[0].message.content)

Transformers

from transformers import AutoModelForCausalLM, AutoProcessor
import torch

MODEL = "Flashtond22/Taltos-27B"
proc  = AutoProcessor.from_pretrained(MODEL)
model = AutoModelForCausalLM.from_pretrained(MODEL, dtype=torch.bfloat16, device_map="auto")

รผzenetek = [{"role": "user", "content": "Miรฉrt kรผlรถnleges a magyar magรกnhangzรณ-harmรณnia?"}]
prompt = proc.apply_chat_template(รผzenetek, add_generation_prompt=True,
                                  enable_thinking=True, tokenize=False)
be = proc(prompt, return_tensors="pt").to(model.device)
ki = model.generate(**be, max_new_tokens=1200, temperature=0.7, top_p=0.92)
print(proc.decode(ki[0][be.input_ids.shape[1]:], skip_special_tokens=True))

Ajรกnlott rendszerรผzenet

Te vagy a Tรกltos, magyar nyelvre hangolt mestersรฉges intelligencia.
Termรฉszetes, anyanyelvi magyarsรกggal vรกlaszolsz: helyes szรณrenddel,
ragozรกssal, tรผkรถrfordรญtรกs nรฉlkรผl. Pontos vagy รฉs lรฉnyegre tรถrล‘.
Ha valamit nem tudsz, azt megmondod ahelyett, hogy kitalรกlnรกd.

Ajรกnlott paramรฉterek: temperature = 0.7, top_p = 0.92. Gondolkodรณ mรณdban adj legalรกbb 2000 token keretet.


Vรกltozatok รฉs hardverigรฉny

Minden formรกtum elkรฉszรผlt, hogy a lehetล‘ legtรถbb gรฉpen elfusson.

Formรกtum Repรณ Mรฉret VRAM Mire jรณ
bf16 Taltos-27B 56 GB ~58 GB Szerver, tovรกbbtanรญtรกs, maximรกlis minล‘sรฉg
FP8 Taltos-27B-FP8 30 GB ~32 GB vLLM egyetlen 40 GB-os kรกrtyรกn
GGUF Taltos-27B-GGUF 10 GB-tรณl 12 GB-tรณl Otthoni gรฉp, Ollama, LM Studio, CPU

GGUF vรกltozatok

Kvantรกlรกs Mรฉret VRAM Minล‘sรฉg Kinek
Q8_0 29 GB 31 GB ๐ŸŸข๐ŸŸข๐ŸŸข๐ŸŸข๐ŸŸข Gyakorlatilag az eredeti
Q6_K 23 GB 25 GB ๐ŸŸข๐ŸŸข๐ŸŸข๐ŸŸข๐ŸŸข A kรผlรถnbsรฉg alig mรฉrhetล‘
Q5_K_M 20 GB 22 GB ๐ŸŸข๐ŸŸข๐ŸŸข๐ŸŸข 24 GB-os kรกrtyรกn elfรฉr
Q4_K_M 17 GB 19 GB ๐ŸŸข๐ŸŸข๐ŸŸข๐ŸŸข A legjobb arรกny, ezt ajรกnljuk
Q3_K_M 13 GB 15 GB ๐ŸŸก๐ŸŸก๐ŸŸก Hosszรบ levezetรฉseknรฉl mรกr hibรกzik
Q2_K 10 GB 12 GB ๐ŸŸ ๐ŸŸ  Csak ha a hardver mรกst nem enged

Hol romlik a minล‘sรฉg. Q4_K_M fรถlรถtt a kรผlรถnbsรฉg a legtรถbb feladatban รฉszrevehetetlen. Q3_K_M-nรฉl megjelennek az elsล‘ hibรกk a hosszabb matematikai levezetรฉsekben รฉs a ritkรกbb szakszavaknรกl, beszรฉlgetรฉsre รฉs fogalmazรกsra viszont mรฉg jรณ. Q2_K-nรกl a romlรกs egyรฉrtelmลฑ: a magyar nyelvhelyessรฉg nagyrรฉszt megmarad, de a tรฉnyszerลฑ pontossรกg รฉs a tรถbblรฉpรฉses gondolkodรกs gyengรผl.

Mind a hat vรกltozat elรฉrhetล‘ รฉs letรถlthetล‘.

Indรญtรกs egy paranccsal (Ollama)

ollama run hf.co/Flashtond22/Taltos-27B-GGUF:Q4_K_M

Korlรกtok

A Tรกltos-27B a magyar nyelvi teljesรญtmรฉnyre lett hangolva. A vilรกgtudรกs, a matematikai รฉs programozรกsi kรฉpessรฉg az alapmodelltล‘l szรกrmazik, ezeken a hangolรกs nem vรกltoztatott.

Nincs internet-hozzรกfรฉrรฉse, ezรฉrt a friss esemรฉnyekrล‘l nem tud. Konkrรฉt szรกmoknรกl, dรกtumoknรกl รฉs ritka neveknรฉl tรฉvedhet, ilyenkor รฉrdemes ellenล‘rizni a vรกlaszt. Orvosi, jogi vagy pรฉnzรผgyi dรถntรฉs egyedรผli alapjakรฉnt ne hasznรกld.


Licenc รฉs eredet

A Tรกltos-27B a Qwen/Qwen3.8-27B modellbล‘l szรกrmazik, amelyet az Alibaba Tongyi Lab adott ki Apache 2.0 licenc alatt. A Tรกltos-27B szintรฉn Apache 2.0 licencลฑ: szabadon hasznรกlhatรณ, mรณdosรญthatรณ รฉs รผzleti cรฉlra is alkalmazhatรณ.


โœฆ TรLTOS-27B โœฆ

Magyar fejlesztรฉs


๐Ÿ‡ฌ๐Ÿ‡ง English

Tรกltos-27B is a 27.8B-parameter Hungarian-specialised language model built on Qwen/Qwen3.8-27B (Apache 2.0). It keeps the base model's knowledge, reasoning, vision capability and 262K context window, and adds native-quality Hungarian phrasing plus Hungarian-language chain-of-thought.

Training approach. Instruction data was produced with a three-stage in-house pipeline that separates content quality from Hungarian phrasing, exploiting the fact that language models are considerably stronger at rewriting than at open-ended Hungarian generation. A targeted fine-tune across the full network followed, then merged back into the base weights. Everything ran on a single NVIDIA L40S.

Results. In head-to-head comparison on 55 Hungarian tasks judged by an independent model family (Gemma-4-31B, randomised answer order), Tรกltos-27B was preferred in 55.5 % of cases. The largest gains appear on secondary-school exam problems, argumentation, and correcting false premises. Hungarian grammatical accuracy improved noticeably.

Limitations. World knowledge, maths and coding come from the base model and are unchanged. No internet access, so recent events are unknown. Verify specific figures, dates and rare names. Not for sole reliance in medical, legal or financial decisions.

Apache 2.0, same as the base model.

Downloads last month
108
Safetensors
Model size
28B params
Tensor type
BF16
ยท
Inference Providers NEW
This model isn't deployed by any Inference Provider. ๐Ÿ™‹ Ask for provider support

Model tree for Flashtond22/Taltos-27B

Base model

Qwen/Qwen3.8-27B
Finetuned
(951)
this model
Quantizations
4 models