Yapay zekâ egemenliği için
foundation model geliştiriyoruz.
Veri egemenliği, millî egemenliktir.
Magibu, Türkçe foundation ve embedding modellerini kurum içinde çalışan, güvenli ve ölçülebilir yapay zekâ sistemlerine dönüştürür. Verisine sahip çıkan her kurumu bu yolculuğa davet ediyoruz.
Daha az token, daha az maliyet ve daha az enerji demektir.
Türkçe metni dilin yapısına daha uygun temsil ettiğinizde aynı anlamı daha az parçayla taşırsınız. Bu zincir doğrudan çıkarım maliyetine, enerji kullanımına ve kurum içinde çalışan güvenli mimariye bağlanır.
Daha az token
Türkçe ekleri ve anlam birimlerini daha doğru ele alan tokenizer yaklaşımı.
Daha düşük maliyet
Aynı metin için daha az işlem ve daha öngörülebilir API/altyapı maliyeti.
Daha az enerji
Daha kısa bağlam ve daha az hesaplama, ölçülebilir enerji avantajı üretir.
Veri kurumda kalır
Verimli modeller kurum içi veya private cloud kurulumlarını daha uygulanabilir hale getirir.
Türkçe tokenizer karşılaştırması
Demo yüklenmezse karşılaştırmayı Hugging Face üzerinde açabilirsiniz.
Nereden başlamak istersiniz?
Magibu'yu üç koldan yürütüyoruz: kurumlara ölçülebilir ürün, bu bilgiyi öğreten akademi ve onu üreten açık kaynak topluluğu.
Kanıtlanmış çıktıları deneyin.
Modellerimizi, tokenizer ve embedding çalışmalarımızı canlı demolar üzerinden test edin. Her bağlantı açık kaynak veya yayınlanmış bir ürüne gider.
Magibu Q3
Türkçe metin üretimi ve anlama için geliştirdiğimiz foundation model. Canlı sohbet arayüzünde doğrudan deneyin.
Sohbete başlaTR-MMLU
6200+ soruluk açık MMLU listesi · 57 alan. Türkçe modelleri yan yana karşılaştırın.
Tam listeyi açTurkish Tiktokenizer
Türkçe morfoloji için geliştirdiğimiz tokenizer. Ek ayrımı ve token verimliliğini canlı karşılaştırın.
Demoyu açTR-MTEB Scoreboard
26 veri seti ve 6 görev üzerinde açık embedding lider tablosu. Modelleri yan yana inceleyin.
Skor tablosuRetrieval Platform bütünsel çözümler.
Embedding'den başlayıp yapay zekâ sistemine, oradan kurum içi kuruluma uzanan bütünsel bir yığın. Bir katmanı tek alın, ya da üçünü birlikte çalıştırın.
Magibu
Embed API
Türkçe ve az temsil edilen diller için optimize edilmiş, OpenAI uyumlu yüksek performanslı embedding API. Gelişmiş dil temsil yeteneği ve uzun bağlam desteği.
Magibu
Search Kit
Yapay zekâ uygulamalarınız için hazır altyapı katmanı. Otomatik doküman işleme, anlamlı parçalama (chunking), vektör veri tabanı entegrasyonları ve performans ölçüm araçları.
Magibu
Private AI
Tamamen kurum içinde veya özel bulut (private cloud) ortamınızda çalışan izole yapay zekâ mimarisi. Alan uyarlamalı arama, kaynak gösterme zorunluluğu, SSO/LDAP entegrasyonu ve denetim kayıtları.
Magibu
Q3 Foundation
Türkçe metin üretimi ve anlama kabiliyeti yüksek olan temel (foundation) modelimiz. Kurumsal pilot çalışmalarında veri güvenliği standartlarıyla devreye alınır.
Önce ölç, sonra kur.
Magibu Retrieval Audit, pilot öncesi 2 haftalık ölçüm ve analiz paketi. Kendi verinizde hangi modelin ve hangi mimarinin daha yüksek doğrulukla çalıştığını birlikte görürüz.
"Önce kendi dokümanlarınızda hangi model ve mimarinin daha iyi çalıştığını ölçelim; sonra güvenli sistemi kurum içinde kuralım."
Süreç odaklı ve bilimsel yaklaşım. Ölçmediğiniz bir sistemde ilerlemeden emin olamazsınız; yönü tahminle değil, recall, precision ve MRR gibi metriklerle belirleriz. Büyük bir sistem satın almadan önce kendi verinizde ölçüm yapıyoruz. Çoğu kurum bu adımı atlayıp zaman ve kaynak kaybettikten sonra bize dönüyor. Biz doğrudan bu adımla başlıyoruz.
Veri Örnekleme ve Analiz
Kurum dokümanlarınızdan temsili bir alt küme seçilir. Verileriniz kurum dışına çıkmadan güvenli bir çalışma ortamına alınır.
Kullanıcı Test Senaryoları
Alan uzmanlarıyla birlikte 30-100 adet gerçek kullanıcı sorusu ve bunlara karşılık gelen doğru kaynak paragraflar hazırlanır.
Model ve Mimari Benchmarkı
Magibu, OpenAI, Cohere, Voyage ve E5 gibi modeller aynı veri kümesi üzerinde karşılaştırılır. Chunking ve reranking stratejileri test edilir.
Kapsamlı Metrik Raporu
Recall, precision, MRR ve gecikme (latency) süreleri raporlanır. En yüksek kazanç sağlayan alanlar ile kritik hata noktaları vaka bazında sunulur.
Mimari ve Topoloji Önerisi
Model, chunking parametreleri, reranker modeli, vektör veri tabanı ve kurumsal kurulum şeması için teknik ve mali gerekçeli tek sayfalık öneri.
Yol Haritası ve Yatırım Kararı
Elde edilen veriler doğrultusunda pilot uygulamaya geçiş kararı verilir. Audit çalışması tek başına da kuruma net bir teknik yol haritası sunar.
Araştırma çıktısı, ürüne dönüşen kanıt.
Teknolojimiz açık benchmark'lar, doktora araştırması ve hakemli/açık yayınlar üzerine kurulu. Jüri isimleri veya kurum onayları yerine, ana sayfada doğrulanabilir yayın ve model çıktısını öne çıkarıyoruz.
Benchmarking Prompt Injection Attacks on LLMs
Applied Sciences · kabul edildi
Makaleyi aç ↗Setting Standards in Turkish NLP: TR-MMLU for Large Language Model Evaluation
arXiv:2501.00593
Makaleyi aç ↗Tokenization Standards for Linguistic Integrity: Turkish as a Benchmark
arXiv:2502.07057
Makaleyi aç ↗Adapting Multilingual Embedding Models to Turkish via Cross-Lingual Tokenizer Surgery and Offline Distillation
arXiv:2605.29992
Makaleyi aç ↗Üç kol, tek kanıt kültürü.
Şirket kurum içinde çalışan ürünü kurar; akademi bilgiyi yayar; topluluk açık ölçüm ve açık bilimi büyütür.
Kurum içinde
çalışan ürün.
Veri gizliliği kritik kurumlar için ölçümle başlayan, private cloud veya on-prem kuruluma uzanan yapay zekâ sistemleri geliştiriyoruz.
- 01Retrieval AuditKendi verinizde model ve mimari karşılaştırması
- 02Retrieval PlatformEmbed API · Search Kit · Private AI
- 03Private DeploymentOn-prem / private cloud · SSO · audit log
- 04Kurumsal EğitimMimari tasarım, veri güvenliği ve model değerlendirme
Bilgiyi
uygulamaya çevirir.
LLM, embedding, RAG ve model değerlendirme bilgisini üretim odaklı eğitimlere dönüştürüyoruz; katılımcılar izlemek yerine çıktı üretir.
- 01Üretim odaklı programGitHub ve Hugging Face çıktılarıyla öğrenme
- 02Kurumsal eğitimTeknik ekip ve yönetici düzeyinde yapay zekâ mimarisi
- 03Sertifika disipliniKatılım değil, doğrulanabilir başarı ve portfolyo
- 04Açık kaynak bağlantısıEğitim çıktısı topluluk projelerine bağlanır
Açık ölçüm
ve açık bilim.
Türkçe ve düşük kaynaklı diller için model, tokenizer, veri seti ve benchmark çalışmalarını açık kaynakla büyüten topluluk yapılanmamız.
- 01Şeffaf GeliştirmeGitHub Issues + PR · açık katkı akışı
- 02Açık BenchmarkTR-MTEB · TR-MMLU · alan bazlı eval kit
- 03Model ve VeriHugging Face üzerinde açık model ve veri çalışmaları
- 04Topluluk EtkinlikleriMeetup, hackathon, webinar ve haftalık bülten
Toplulukla birlikte üretiyoruz.
Türkçe dil teknolojilerini ilerleten açık projeler. GitHub'da issue açın, PR gönderin veya başvuru formu ile ekibe katılın.
Türkçe Morfolojik Tokenizer
AktifVerilen metni Türkçe ses bilgisine uygun morfolojik parçalarına ayıran ve bu parçaları yeniden birleştirebilen güncel tokenizer.
Dile Özgü Embedding'ler
AktifHerkesin kendi dili ve alanı için verimli tokenizer ve embedding modelleri üretebilmesi için yöntem ve adımları derleyen açık metodoloji.
Birlikte üretiyoruz.
Ortak iş yürüttüğümüz kurumlar ve topluluklar. Logoya tıklayarak web sitelerine gidebilirsiniz.
başvuru ve iş birliği.
Retrieval Audit, API erişimi, yatırım veya araştırma iş birliği için formu doldurun. Ekibimiz en kısa sürede size dönecektir.
"Veri egemenliği, millî egemenliktir."
- → dev.magibu.ai · Embedding API
- → TR-MTEB · 26 veri seti
- → On-prem / Private AI