Instructions to use TilQazyna/Til-1B-multilingual-base-GEC with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use TilQazyna/Til-1B-multilingual-base-GEC with Transformers:

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

pipe = pipeline("text-generation", model="TilQazyna/Til-1B-multilingual-base-GEC")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("TilQazyna/Til-1B-multilingual-base-GEC")
model = AutoModelForCausalLM.from_pretrained("TilQazyna/Til-1B-multilingual-base-GEC", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use TilQazyna/Til-1B-multilingual-base-GEC with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "TilQazyna/Til-1B-multilingual-base-GEC"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "TilQazyna/Til-1B-multilingual-base-GEC",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/TilQazyna/Til-1B-multilingual-base-GEC

SGLang

How to use TilQazyna/Til-1B-multilingual-base-GEC 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 "TilQazyna/Til-1B-multilingual-base-GEC" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "TilQazyna/Til-1B-multilingual-base-GEC",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

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 "TilQazyna/Til-1B-multilingual-base-GEC" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "TilQazyna/Til-1B-multilingual-base-GEC",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use TilQazyna/Til-1B-multilingual-base-GEC with Docker Model Runner:
```
docker model run hf.co/TilQazyna/Til-1B-multilingual-base-GEC
```

You need to agree to share your contact information to access this model

This repository is publicly accessible, but you have to accept the conditions to access its files and content.

Бұл репозиторийге қолжетімділік өтінім бойынша беріледі. Өзіңіз туралы және деректерді қалай қолданатыңыз туралы жазыңыз — өтінімді TilQazyna командасы қарайды. · Доступ к репозиторию выдаётся по заявке. Расскажите о себе и о том, как собираетесь использовать данные — заявку рассматривает команда TilQazyna. · Access to this repository is granted on request. Tell us who you are and how you plan to use the material; the TilQazyna team reviews each application.

Til-1B-multilingual-base-GEC

Қазақ мәтініндегі қатені түзету · Исправление ошибок в казахском тексте · Kazakh grammatical error correction

Қазақша · Русский · English

Қазақша

Til-1B-multilingual-base-GEC — қазақ сөйлемдеріндегі грамматикалық және емле қателерін түзететін 941M параметрлі модель. Репозиторий көлемі — 1.89 ГБ. Ол Til-1B-multilingual-base негізінде Til-GEC деректерімен fine-tune жасалған.

Құрылымы мен нәтижелері

Сипаттама	Мәні
Архитектура	`DeepseekV3ForCausalLM`, MLA
Қабат саны	24
Контекст	4096 токен
Формат	`<қате мәтін> => <түзетілген мәтін>`

Тест	Exact match	chrF	Keep correct
test100	78.0	93.9	100.0
test100_v2	70.0	90.7	91.7
test100_v3	71.0	94.4	83.3
Орташа	73.0

Іске қосу

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "TilQazyna/Til-1B-multilingual-base-GEC"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo)
inputs = tokenizer("мен кітап оқыдым керек => ", return_tensors="pt")
output = model.generate(**inputs, max_new_tokens=96, do_sample=False)
print(tokenizer.decode(output[0], skip_special_tokens=True).split(" => ", 1)[-1])

Модель сөйлем деңгейіндегі қазақша GEC үшін оқытылған; сирек және күрделі қате түрлері қосымша тексеруді қажет етеді.

Қолжетімділік

Карточка мен файлдар тізімі ашық. Жүктеу үшін «Request access» өтінімін TilQazyna командасы мақұлдайды.

Байланысты репозиторийлер

Base-модель — Til-1B-multilingual-base, оқыту деректері — Til-GEC.

Русский

Til-1B-multilingual-base-GEC — модель на 941M параметров для исправления грамматических и орфографических ошибок в казахских предложениях. Объём репозитория — 1.89 ГБ. Это fine-tune Til-1B-multilingual-base на данных Til-GEC.

Устройство и результаты

Характеристика	Значение
Архитектура	`DeepseekV3ForCausalLM`, MLA
Слоёв	24
Контекст	4096 токенов
Формат	`<текст с ошибкой> => <исправленный текст>`

Тест	Exact match	chrF	Keep correct
test100	78.0	93.9	100.0
test100_v2	70.0	90.7	91.7
test100_v3	71.0	94.4	83.3
Среднее	73.0

Как запустить

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "TilQazyna/Til-1B-multilingual-base-GEC"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo)
inputs = tokenizer("мен кітап оқыдым керек => ", return_tensors="pt")
output = model.generate(**inputs, max_new_tokens=96, do_sample=False)
print(tokenizer.decode(output[0], skip_special_tokens=True).split(" => ", 1)[-1])

Модель обучена для GEC на уровне отдельных казахских предложений; редкие и сложные типы ошибок требуют дополнительной проверки.

Доступ

Карточка и перечень файлов открыты. Команда TilQazyna разрешает скачивание после рассмотрения заявки через «Request access».

Связанные репозитории

Базовая модель — Til-1B-multilingual-base, данные обучения — Til-GEC.

English

Til-1B-multilingual-base-GEC is a 941M-parameter model for correcting grammatical and spelling errors in Kazakh sentences. The repository occupies 1.89 GB. It fine-tunes Til-1B-multilingual-base on Til-GEC.

Architecture and results

Characteristic	Value
Architecture	`DeepseekV3ForCausalLM`, MLA
Layers	24
Context	4096 tokens
Format	`<text with errors> => <corrected text>`

Test	Exact match	chrF	Keep correct
test100	78.0	93.9	100.0
test100_v2	70.0	90.7	91.7
test100_v3	71.0	94.4	83.3
Average	73.0

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "TilQazyna/Til-1B-multilingual-base-GEC"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo)
inputs = tokenizer("мен кітап оқыдым керек => ", return_tensors="pt")
output = model.generate(**inputs, max_new_tokens=96, do_sample=False)
print(tokenizer.decode(output[0], skip_special_tokens=True).split(" => ", 1)[-1])