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")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# pip install -U transformers accelerate
# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("ecloudtech/Erk-14B")
model = AutoModelForCausalLM.from_pretrained("ecloudtech/Erk-14B", device_map="auto")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

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
```

aigencydev commited on Oct 1

Commit

0f52dc5

verified ·

1 Parent(s): b31cbb1

Kart: tam kume TurkishMMLU (v1/v2) ve bagimsiz TurBLiMP sonucu

Browse files

Files changed (1) hide show

README.md +9 -1

README.md CHANGED Viewed

@@ -78,6 +78,14 @@ kimlik pekiştirme turu. Tokenizer ve mimari değişmedi; Qwen3-14B tabanı ayn
 |---|---|---|---|
 | TurkMorfBench 3.6 çekirdek (1.836 madde) | %75,4 | **%80,0** | +4,5 [+1,3, +5,9] |
 | TurkishMMLU temiz 652, şık döndürmeli | %67,2 | %66,9 | −0,3 [−3,1, +2,6] |
 TurkMorfBench liderlik tablosunda (17 model) v2 **birinci sırada**; ilk üç istatistiksel olarak
 beraberdir. Kimlik sınavı (30 tuzaklı soru) 30/30. Kazanç istisna kovalarında yoğunlaşır: çatı, ünsüz ikizleşmesi, ünlü düşmesi, uyum
@@ -226,7 +234,7 @@ Erk, yalnızca akıcı Türkçe üretmekle kalmaz; **yanlış öncülleri redded
 | Bilgi kesim tarihi | Ağustos 2026 |
 | Sohbet formatı | ChatML |
 | Kesinlik | bfloat16 |
-| TurkishMMLU | v2: %66,9 temiz 652 · v1: %69,7 tam küme 0-shot (protokoller farklıdır, bkz. Sürüm 2) |
 | Lisans | [eCloud Açık Topluluk Lisansı](https://huggingface.co/ecloudtech/Erk-14B/blob/main/LICENSE) |
 ### Sınırlamalar

 |---|---|---|---|
 | TurkMorfBench 3.6 çekirdek (1.836 madde) | %75,4 | **%80,0** | +4,5 [+1,3, +5,9] |
 | TurkishMMLU temiz 652, şık döndürmeli | %67,2 | %66,9 | −0,3 [−3,1, +2,6] |
+| TurkishMMLU tam küme, 9 ders, 0-shot (lm-evaluation-harness) | %69,7 | %69,6 | −0,1 |
+| TurBLiMP (bağımsız, 16 fenomen × 1.000 minimal çift) | %95,2 | %93,7 | −1,5 [−1,8, −1,2] |
+**Bağımsız test.** [TurBLiMP](https://huggingface.co/datasets/juletxara/turblimp) başka bir ekibin, başka bir üreticiyle
+hazırladığı Türkçe minimal çift kıyasıdır; v2'nin geliştirilmesinde kullanılmadı. v2'nin kazancı oraya taşınmadı: biçim
+bilgisi fenomenleri (düzensiz biçimler, askıda ek, adlaştırma, edilgen) iki sürümde de %97–100 ile aynı; fark sözdizim
+fenomenlerinden gelir (ada etkileri −7,3, belirleyiciler −4,9, eksilti −2,7). Yani v2'nin iyileşmesi hedeflenen çekim
+morfolojisine özgüdür, genel sözdizim yetkinliğinde küçük bir bedeli vardır. Erk-32B v2'de aynı testte fark +0,3.
 TurkMorfBench liderlik tablosunda (17 model) v2 **birinci sırada**; ilk üç istatistiksel olarak
 beraberdir. Kimlik sınavı (30 tuzaklı soru) 30/30. Kazanç istisna kovalarında yoğunlaşır: çatı, ünsüz ikizleşmesi, ünlü düşmesi, uyum
 | Bilgi kesim tarihi | Ağustos 2026 |
 | Sohbet formatı | ChatML |
 | Kesinlik | bfloat16 |
+| TurkishMMLU | v2: %66,9 temiz 652 · %69,6 tam küme 0-shot (v1: %67,2 · %69,7) |
 | Lisans | [eCloud Açık Topluluk Lisansı](https://huggingface.co/ecloudtech/Erk-14B/blob/main/LICENSE) |
 ### Sınırlamalar