Instructions to use ecloudtech/Erk-Linear with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use ecloudtech/Erk-Linear with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="ecloudtech/Erk-Linear", trust_remote_code=True)
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("ecloudtech/Erk-Linear", trust_remote_code=True, device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use ecloudtech/Erk-Linear with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "ecloudtech/Erk-Linear"
# 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-Linear",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/ecloudtech/Erk-Linear

SGLang

How to use ecloudtech/Erk-Linear 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-Linear" \
    --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-Linear",
		"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-Linear" \
        --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-Linear",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use ecloudtech/Erk-Linear with Docker Model Runner:
```
docker model run hf.co/ecloudtech/Erk-Linear
```

Erk-Linear / README.md

aigencydev

Update README.md

214a908 verified about 8 hours ago

preview code

Raw

History Blame Contribute Delete

5.2 kB

	---
	license: apache-2.0
	base_model:
	- ecloudtech/Erk-14B
	- Qwen/Qwen3-14B
	language:
	- tr
	library_name: transformers
	pipeline_tag: text-generation
	tags:
	- linear-attention
	- gated-deltanet
	- hybrid-attention
	- efficient-attention
	- turkish
	- erk
	- research
	- custom_code
	inference: false
	model-index:
	- name: Erk-Linear
	results:
	- task:
	type: text-generation
	dataset:
	name: TurkishMMLU
	type: turkishmmlu
	metrics:
	- type: accuracy
	value: 68.1
	name: "TurkishMMLU held-out 750 (oracle 68.8 — fark istatistiksel olarak anlamli degil, %95 GA [-2.9, +1.7])"
	---

	# Erk-Linear

	%20-lineer hibrit: Erk-14B'nin 40 dikkat katmanından 8'i, subquadratic bir lineer-dikkat mekanizmasına ([Gated DeltaNet](https://github.com/fla-org/flash-linear-attention)) damıtılmıştır. Kalan 32 katman softmax "çıpa" olarak korunur.

	> Gereksinim: `trust_remote_code=True`, `flash-linear-attention` ve bir CUDA GPU'su. Mimari özeldir (`model_type: erk_linear`) ve Gated DeltaNet çekirdekleri Triton kullanır.

	> Kod, protokol, teknik rapor: [github.com/ecloudtechnology/erk-linear](https://github.com/ecloudtechnology/erk-linear) · Temel model: [Qwen3-14B](https://huggingface.co/Qwen/Qwen3-14B)

	## Konumlandırma

	Bu, sıfırdan bir mimari değil, güçlü bir açık modelin üzerinde bir mimari araştırmasıdır: Türkçe bir dil modelinin dikkatinin ne kadarının, kaliteyi ölçülebilir biçimde bozmadan lineerleştirilebileceğini haritalayan bir çalışma. Sonuç, dört modern hibritin (Qwen3-Next, Kimi Linear, Jamba, Zamba) izlediği yolun muhafazakâr, kalite-öncelikli bir örneğidir.

	## Sonuçlar (oracle vs %20-hibrit, aynı iç protokol, paired bootstrap %95 GA)

	\| Değerlendirme \| Erk (orijinal) \| Erk-Linear \| Fark \| %95 GA \|
	\|---\|---:\|---:\|---:\|---:\|
	\| TurkishMMLU (held-out 750) ¹ \| %68,8 \| %68,1 \| −0,7 \| [−2,9 ; +1,7] \|
	\| TurkMorfBench (morfoloji) \| %54,3 \| %53,3 \| −1,0 \| [−3,9 ; +2,0] \|
	\| NIAH geri-çağırma (≤4K) \| %100 \| %100 \| ±0 \| — \|
	\| Perplexity (@512/@2048) \| 1,00× \| 1,03× \| +%3 \| — \|

	İki benchmark'ta (MMLU, morfoloji) fark istatistiksel olarak anlamlı değildir.

	<sub>¹ TurkishMMLU, ko-eğitim checkpoint seçiminde kullanılan 150 sorunun hariç tutulduğu held-out 750 üzerinde raporlanır (seçim sızıntısı yok); tam 900'de fark −0,3'tür. Ham soru-bazlı tahminler [repoda](https://github.com/ecloudtechnology/erk-linear/blob/main/results/raw_predictions.json).</sub>

	Verimlilik: kısa-bağlam prefill'inde kazanç yoktur; uzun bağlamda KV-cache belleği azalır — 8 GDN katmanı sabit ~43 MB durum tuttuğu için net tasarruf bağlam uzadıkça %20'ye yaklaşır (4K'da −%14, 64K'da −%20 / ~2,1 GB; GDN durumu dahil ölçüldü). Ayrıntı: teknik rapor.

	## Kullanım

	```bash
	pip install torch transformers flash-linear-attention safetensors huggingface_hub
	```

	```python
	from transformers import AutoModelForCausalLM, AutoTokenizer

	model = AutoModelForCausalLM.from_pretrained("ecloudtech/Erk-Linear", trust_remote_code=True)
	tok = AutoTokenizer.from_pretrained("ecloudtech/Erk-Linear")

	msg = [{"role": "user", "content": "Türkiye'nin başkenti neresidir?"}]
	ids = tok.apply_chat_template(msg, add_generation_prompt=True, return_tensors="pt").to(model.device)
	print(tok.decode(model.generate(ids, max_new_tokens=48)[0][ids.shape[1]:], skip_special_tokens=True))
	```

	Hibrit iki kaynaktan kurulur: gövde (32 softmax katmanı + gömme/LM başı) [`ecloudtech/Erk-14B`](https://huggingface.co/ecloudtech/Erk-14B) deposundan, 8 GDN katmanı bu depodan (`gdn_weights.safetensors`). `from_pretrained` ikisini birleştirip çalışır bir nedensel dil modeli döndürür — `.generate()`, sohbet şablonu ve `use_cache` standart biçimde çalışır.

	GDN sarmalayıcısı cache'li üretimde recurrent + convolution durumunu adımlar arası devreder; çıktı tam-yeniden-hesaplamayla (`use_cache=False`) sayısal gürültüye kadar aynıdır. Sarmalayıcı tek-dizi referans kullanım içindir; eş zamanlı/batch-paylaşımlı serviste her dizi için ayrı durum yönetimi gerekir.


	## Sınırlamalar

	- %20 lineer — muhafazakâr, kalite-öncelikli bir orandır (kayıpsıza-yakın sınır ~%22; ötesi kapasite duvarına çarpar).
	- TurkishMMLU checkpoint'i 150 MMLU-probe sorusuyla seçildi; sonuç bu sorular hariç held-out 750'de raporlanır.
	- Değerlendirme iki benchmark + iki kontrolle sınırlıdır; ≥16K uzun-bağlam geri-çağırma ve decode hızı gelecek iştir.
	- Referans loader tek-dizi kullanım içindir (eş zamanlı/batch servis ayrı durum yönetimi gerektirir).
	- Erk, Qwen3-14B üzerine kuruludur.

	## Lisans

	Apache-2.0 (kod). Ağırlıklar temel modelin lisansına tabidir.

	## Teşekkür

	Erk-Linear'ın geliştirme ve değerlendirme süreçleri, AI EDIH Türkiye projesi kapsamında tahsis edilen kaynaklarla İstanbul Teknik Üniversitesi Ulusal Yüksek Başarımlı Hesaplama Merkezi (UHeM) altyapısında yürütülmüştür. Değerli destekleri için UHeM ekibine ve AI EDIH Türkiye konsorsiyumuna teşekkür ederiz.