Kerata

Belgelerinle konuşan, tamamen cihaz üzerinde çalışan açık kaynak iOS asistanı. PDF yüklersin, sorunu sorarsın; cevap sayfa referanslı gelir. Model telefonda çalıştığı için internet gerekmez — belgelerin, soruların ve cevapların telefondan hiç çıkmaz.

Uyarı: Kerata bir yapay zeka asistanıdır ve hata yapabilir. Önemli bilgileri her zaman kaynağından doğrulayın.

Özellikler

• Tamamen çevrimdışı: model indirildikten sonra internet gerekmez; tek ağ trafiği model indirmesidir.
• Belge soru-cevap (RAG): PDF metni bölümlenir, soruya en uygun bölümler seçilip modele verilir — 200 sayfalık belge de olsa model her seferinde yalnız ilgili birkaç sayfayı okur. Cevaplar sayfa referanslıdır.
• Serbest sohbet: belge olmadan da Türkçe sohbet.
• İki model, tek uygulama: telefonun gücüne göre öneri; dileyen güçlü telefonda bile küçük modeli seçebilir.
• Metne sadakat: cevabı belgede olmayan soruda model uydurmaz, "belgede yok" der (aşağıda ölçümü var).
• Bağlam uzunluğu ayarı: 1024–8192 kademeleri, cihazın belleğine göre üst sınır.
• Açık/koyu/sistem tema, fildişi "kağıt-mürekkep" tasarım dili (app/TASARIM.md).

Modeller

	Kerata 2B	Kerata 4B
Boyut (4-bit)	2,8 GB	5,2 GB
Karakter	Hafif ve hızlı	Uzun/karmaşık belgelerde daha isabetli
Durum	Taban model (ince ayar yol haritasında)	Kendi eğittiğimiz Türkçe ince ayarlı model
Önerilen RAM	4 GB+	7 GB+ (öneri eşiği)

İki model de Google'ın Gemma 4 mimarisi üzerine kuruludur (E2B / E4B) ve llama.cpp ile GGUF Q4_0 biçiminde, tamamen cihaz üzerinde çalışır. İndirme uygulama içinden yapılır; dosya bütünlüğü SHA-256 ile doğrulanır, indirme arka planda sürer ve hücresel bağlantıda kullanıcı uyarılır.

Kerata 4B — taban modele göre ne değişti?

Kerata 4B, Gemma 4 E4B (QAT 4-bit) tabanına kamuya açık Türkçe veri setlerinden süzülmüş ~24 bin talimat örneğiyle (Aya-TR, WikiRAG-TR ve süzülmüş genel Türkçe karışım; "cevap metinde yoksa yok de" örnekleri dahil) LoRA ince ayarı yapılıp ağırlıkların birleştirilmesiyle üretildi. Ölçülen farklar:

• Ham düşünce zinciri sızıntısı giderildi. Taban model cevapların içine <|...|> biçiminde İngilizce iç etiketler ve düşünce metni sızdırabiliyor, bazı cevapları yarıda kesiyordu; ince ayarlı model temiz ve doğrudan Türkçe cevap veriyor. (Uygulama katmanında ayrıca savunma amaçlı bir etiket süzgeci vardır: Sources/Llama/LibLlama.swift içindeki TagFilter.)
• Metne sadakat: 40 soruluk kontrollü testte (cevabı metinde olan 20 + olmayan 20 soru) sistem istemiyle birlikte 40/40 — metinde olmayan hiçbir soruda uydurma yok, metindeki 20 sorunun tamamı doğru. Aynı model sistem istemi olmadan, metinde olmayan sorularda ağırlıklı olarak uydurma üretiyordu; sadakat davranışı istem + ince ayar birlikteliğiyle sağlanıyor.

Ölçülmüş sonuçlar

449 soruluk kontrollü sette (199 cevabı metinde var + 200 yok + 50 dolaylı; üretim ve puanlama yöntemi ile bilinen sınırlar için evaluation/), iki model aynı çalıştırıcıda, uygulamadaki sistem yönergesiyle:

Ölçüt	Taban model	Kerata 4B
Kullanılabilir cevap (doğru + temiz + tam)	%14	%86
Uydurmama (cevap metinde yokken doğru ret)	%94,5	%96
İç etiket sızıntısı	%45	%0
Yarıda kesilen cevap	%42	%0,7

Taban model doğru bilgiyi çoğu zaman bulur; ancak çıktısının yaklaşık yarısı iç etiketler ve yarım cümlelerle kullanılamaz haldedir. İnce ayar çıktıyı tamamen temizler. Bilinen sınır: dolaylı (eş anlamlı) sorulmuş sorularda ham isabet tabandan düşüktür (%94 → %78); bir sonraki eğitim turunun hedefidir. Tüm veri, betikler ve ham sonuçlar evaluation/ klasöründedir — tekrar üretilebilir.

Mimari

• SwiftUI uygulama; sekmeler: Belgelerim / Sohbet / Ayarlar.
• llama.cpp (xcframework) üzerinde GGUF Q4_0 çıkarım; Gemma sohbet biçimi.
• RAG: PDFKit ile metin çıkarma → bölümleme → kelime temelli arayıcı (Sources/Engine/DocStore.swift) → en iyi 4 bölüm + soru → model.
• Model yönetimi: arka plan URLSession ile indirme, ilerleme yüzdesi, SHA-256 doğrulama, iCloud yedeklemesinden hariç tutma (Sources/ModelManager.swift).

Gizlilik ve güvenlik

• Belgeler ve sohbetler cihazda kalır; hiçbir sunucuya gönderilmez, telemetri yoktur.
• Yalnızca şifreli (HTTPS) bağlantıya izin verilir (ATS, NSAllowsArbitraryLoads=false).
• İndirilen model dosyası SHA-256 ile doğrulanır; uyuşmayan dosya reddedilir.
• Belge deposu cihaz şifrelemesiyle (completeFileProtection) yazılır.

Derleme

1. Gerekenler: Xcode 16+, xcodegen.
2. llama.cpp xcframework'ü bu depoda yoktur (241 MB); kendiniz derleyin:

   git clone https://github.com/ggml-org/llama.cpp
   cd llama.cpp && ./build-xcframework.sh ios-sim ios-device
   # çıkan llama.xcframework'ü app/Frameworks/ altına kopyalayın

3. Projeyi üretin ve açın:

   cd app && xcodegen generate && open Kerata.xcodeproj

4. project.yml içindeki imzalama ayarlarını kendi geliştirici hesabınıza göre değiştirin.

Yol haritası

• Kerata 2B'nin Türkçe ince ayarı — 4B ile aynı eğitim hattından geçirilecek; hedef, küçük modelde de temiz Türkçe ve metne sadakat davranışı.
• Anlam temelli arama (embedding) — kelime eşleşmeli arayıcının "ücret/fiyat" gibi eş anlamlıları kaçırma zayıflığını kapatmak için.
• TXT / DOCX desteği.
• Sadakat test setinin genişletilmesi ve sürümler arası kıyas raporları.

Lisans

Kod PolyForm Noncommercial 1.0.0 ile lisanslıdır (ticari kullanım kapalı); model ağırlıkları Gemma türevi olduğundan Gemma Terms of Use kapsamındadır. Ayrıntı: LISANS.md ve LICENSE.

Gemma is provided under and subject to the Gemma Terms of Use found at ai.google.dev/gemma/terms.

---

Spectua Teknoloji