Instructions to use emrevrg/Norovox-0.1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use emrevrg/Norovox-0.1 with Transformers:

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

pipe = pipeline("text-generation", model="emrevrg/Norovox-0.1", trust_remote_code=True)
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# pip install -U transformers accelerate
# Load model directly
from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("emrevrg/Norovox-0.1", trust_remote_code=True, device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use emrevrg/Norovox-0.1 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "emrevrg/Norovox-0.1"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "emrevrg/Norovox-0.1",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/emrevrg/Norovox-0.1

SGLang

How to use emrevrg/Norovox-0.1 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 "emrevrg/Norovox-0.1" \
    --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": "emrevrg/Norovox-0.1",
		"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 "emrevrg/Norovox-0.1" \
        --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": "emrevrg/Norovox-0.1",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use emrevrg/Norovox-0.1 with Docker Model Runner:
```
docker model run hf.co/emrevrg/Norovox-0.1
```

Norovox 0.1

🔬 Önizleme (Preview) — Bu model geliştirilmeye devam ediyor; güçlendirilmiş sürümler bu depoya gelecek.

Norovox (Nöro Voksel) — sıfırdan, özgün olarak geliştirilen, Türkçe-odaklı küçük bir yapay zekâ dil modeli. Decoder-only transformer mimarisi, 11.71M parametre, 1390 token Byte-level BPE vokabüleri.

⚠️ Bu model trust_remote_code=True gerektirir (özel mimari sınıfı kullanır).

Mimari

Tür: Causal LM (decoder-only transformer)
Blok sayısı: 6
Kafa sayısı: 6 (Multi-Head Attention)
Embedding boyutu: 384
İç katman boyutu: 1536
Bağlam penceresi: 128 token
Vocab: 1390 (Norovox BPE, Türkçe-odaklı, Byte-level)
Parametre: 11.71M
Aktivasyon: GELU (tanh yaklaşımı — Norovox özgün)
Projeksiyon: Conv1D ağırlık düzeni [in, out]
Ağırlık paylaşımı: Embedding ve lm_head tied
Eğitim verisi: data/norovox_korpus_full.txt
Lisans: MIT

Kullanım

Transformers ile

from transformers import AutoTokenizer, AutoModelForCausalLM

tok = AutoTokenizer.from_pretrained("emrevrg/Norovox-0.1", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("emrevrg/Norovox-0.1", trust_remote_code=True)

girdi = tok("Merhaba, benim adım", return_tensors="pt")
cikti = model.generate(**girdi, max_new_tokens=50, do_sample=True, top_p=0.95, temperature=0.8)
print(tok.decode(cikti[0]))

Norovox paketiyle (tavsiye edilen)

pip install norovox

from norovox import NorovoxAgent
agent = NorovoxAgent()
print(agent.ask("Hava nasıl?").text)

Sohbet Şablonu

<|system|>
<|user|>
<|assistant|>
<|end|>

Detaylar: chat_template.json.

Dosya Listesi

Dosya	Açıklama
`config.json`	HF model yapılandırması (model_type=norovox)
`modeling_norovox.py`	Özel model sınıfı (trust_remote_code için gerekli)
`generation_config.json`	Üretim parametreleri (top_k, top_p, temperature)
`model.safetensors`	14.5 MB model ağırlıkları
`tokenizer_config.json`	Tokenizer meta verileri (PreTrainedTokenizerFast)
`tokenizer.json`	HuggingFace-uyumlu tokenizer tanımı (Byte-level BPE)
`vocab.json`	BPE vokabüleri (1390 token)
`merges.txt`	BPE birleştirme kuralları
`special_tokens_map.json`	Özel token'lar
`chat_template.json`	Sohbet şablonu
`norovox_surgery.json`	Norovox mimari bilgileri
`norovox_tokenizer_info.json`	Tokenizer bilgileri
`LICENSE`	MIT
`MODEL_CARD.md`	Detaylı model kartı

Eğitim Detayları

Korpus: data/norovox_korpus_full.txt (Norovox özgün, MIT lisanslı)
Tokenizer: Byte-level BPE, vocab_size=1390
Mimari: Sıfırdan tasarlanmış decoder-only transformer
Lisans: MIT
Cihaz: CPU

Önemli Notlar

Bu model trust_remote_code=True olmadan yüklenemez (NorovoxConfig ve NorovoxForCausalLM özel sınıflar kullanır).
Qwen/Llama/GPT-4 gibi büyük modellerin yerini almaz; eğitim amaçlı ve Norovox ekosisteminin temelini oluşturur.
Ajan (NorovoxAgent) bu modele bağlı değildir; kendi bilgi tabanı, SymPy, ChemistryEngine ve multimodal decoder ile çalışır.

Lisans

MIT — Norovox Project, 2026

Support Norovox

Norovox is built by one 17-year-old high school student in Türkiye: no company, no sponsor, no budget. Every model on this page was trained on free GPU quotas that run out within days. When they run out, training stops halfway and the next, stronger version has to wait, sometimes for a week.

Your support goes directly into GPU time. Even a small contribution lets a training run finish instead of stopping, and helps the Nythos, N1, AUBIN and Norovox Embed models get better faster. Supporters are credited in the model cards and get early access to new releases.

Contact: zgremre@gmail.com · emrevrgdev@gmail.com

_{🇹🇷 Norovox'u Türkiye'de 17 yaşında bir lise öğrencisi tek başına geliştiriyor: şirket yok, sponsor yok, bütçe yok. Buradaki modellerin hepsi birkaç günde biten ücretsiz GPU kotalarıyla eğitildi; kota bitince eğitim yarıda kalıyor ve daha güçlü sürüm bekliyor. Desteğin doğrudan GPU süresine gider; küçük bir katkı bile bir eğitimin yarıda kalmadan tamamlanmasını sağlar. Destekçiler model kartlarında anılır ve yeni sürümlere erken erişir. İletişim: zgremre@gmail.com · emrevrgdev@gmail.com}

Downloads last month: -

Safetensors

Model size

3.63M params

Tensor type

F32

Collection including emrevrg/Norovox-0.1

Teknolojiler ve Arşiv

Collection

Norovox technologies (IRIS engine, tools) and archive models. • 2 items • Updated about 4 hours ago