BİLGE AI DOCS
MLOps Paneli
BİLGE V1 REST API

Geliştirici Dokümantasyonu

BİLGE V1 API, sıfırdan eğitilen Türkçe dil modeline ve 32K BPE tokenizer motoruna programatik olarak erişmenizi sağlar. OpenAI ve Anthropic standartlarına uyumlu RESTful mimari ile tasarlanmıştır.

BASE URL:
https://bilge.teymensel.com/api/v1

Kimlik Doğrulama (Authentication)

Tüm API istekleri HTTP Authorization başlığı üzerinden Bearer token ile imzalanmalıdır. API anahtarlarınızı MLOps Yönetim Paneli üzerinden oluşturabilirsiniz.

Authorization: Bearer bilge_live_sk_948f20a17bc84e11a9
POST /v1/chat/completions

Verilen Türkçe istem veya mesaj geçmişi üzerinden BİLGE V1 modelinden çıkarım üretir.

İstek Parametreleri (Body)

PARAMETRE TİP AÇIKLAMA
model string Hedef model adı. Örn: "bilge-v1-350m" (Zorunlu)
messages array {"role": "user", "content": "..."} mesaj dizisi. (Zorunlu)
temperature float Çıkarım rastgelelik derecesi (0.0 - 1.0). Varsayılan: 0.7
max_tokens integer Maksimum üretilecek token adedi. Varsayılan: 256

cURL İstek Örneği

curl -X POST https://bilge.teymensel.com/api/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bilge-v1-350m",
    "messages": [
      {"role": "user", "content": "Türkiye'nin başkenti neresidir?"}
    ],
    "temperature": 0.7,
    "max_tokens": 128
  }'
POST /v1/tokenize

Girdi metnini BİLGE 32K Türkçe BPE kelime dağarcığına göre alt kelimelere (tokens) ve token ID'lerine dönüştürür.

// Yanıt Örneği (JSON)
{
  "text": "Merhaba Bilge",
  "tokens": ["Merh", "##aba", "Bilg", "##e"],
  "token_ids": [1042, 4821, 9104, 204],
  "token_count": 4
}

Python SDK Kılavuzu

Resmî Python paketi ile tek satırda BİLGE V1 modelini yerel ortamınızda veya API üzerinden çalıştırabilirsiniz:

pip install bilge-ai
import bilge

client = bilge.Client(api_key="YOUR_API_KEY")

response = client.chat.completions.create(
    model="bilge-v1-350m",
    messages=[
        {"role": "user", "content": "Kısa bir Türkçe masal yaz."}
    ],
    temperature=0.7
)

print(response.choices[0].message.content)
REHBER & WORKFLOW

Sıfırdan Model Eğitimi (0'dan Eğitim)

BİLGE V1 altyapısını kullanarak kendi özel dil modelinizi (LLM) sıfırdan pre-training (ön-eğitim) veya fine-tuning (ince ayar) yöntemiyle eğitebilirsiniz. Eğitim sürecine başlamak için aşağıdaki adımları sırasıyla takip edin.

1

Veri Seti Hazırlığı ve Yükleme

Modelin öğreneceği temel bilgileri içeren ham metin verilerinizi .jsonl formatında hazırlayın. Her satır bir eğitim dokümanını temsil etmelidir. Hazırladığınız dosyayı MLOps Paneli > Datasetler > Dataset Yükle ekranından sisteme aktarın.

{"text": "BİLGE, Türkçe odaklı olarak geliştirilen bir büyük dil modelidir..."}
{"text": "Yapay zeka modellerinin eğitimi, yüksek hesaplama gücü gerektirir..."}
2

Veri Analizi, Kalite ve Filtreleme

Yüklediğiniz ham veri BİLGE kalite motorundan geçer. Veri Analizi & Kalite sekmesinde verilerinizin spam, mükerrer veya düşük kaliteli (kalite skoru < 80) olup olmadığını inceleyebilirsiniz. Sistem otomatik olarak temizlenen metinleri (ACCEPTED) eğitim havuzuna ayıracaktır.

3

Eğitim Kuyruğu ve Hiperparametreler

Temizlenmiş verilerinizi Eğitim Kuyruğuna (Training Queue) taşıyın. Eğitimi başlatmadan önce modelin mimarisini ve hiperparametrelerini (Batch Size, Learning Rate, Epoch) belirlemeniz gerekir.

Önerilen Başlangıç Değerleri (350M Model İçin)
  • Batch Size (Mikro): 4 veya 8
  • Learning Rate: 3e-4
  • Context Window: 4096 Token
4

GPU Üzerinde Eğitimi Başlatma

Tüm hazırlıklar tamamlandığında Dashboard veya Eğitimler (Runs) ekranından Eğitimi Başlat butonuna tıklayın. Modelin Loss (Kayıp) eğrisini ve GPU/VRAM tüketimini gerçek zamanlı olarak MLOps Dashboard ekranındaki Canlı GPU İzleme widget'ından takip edebilirsiniz.

5

Checkpoint Kaydı ve Benchmark Testleri

Eğitim sırasında periyodik olarak model ağırlıkları (Checkpoints) kaydedilir. Eğitim tamamlandığında, modelin performansını Benchmark sayfasından test edebilirsiniz. "Sohbet", "Matematik", "Kurgu" gibi farklı kategorilerde modelinize otomatik testler uygulanır ve yetenek haritası çıkartılır.