Instructions to use webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF with llama.cpp:

Install (macOS, Linux)

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL
# Run inference directly in the terminal:
llama cli -hf webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL
# Run inference directly in the terminal:
llama cli -hf webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Build from source code

git clone https://github.com/ggml-org/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-app
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama serve -hf webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL
# Run inference directly in the terminal:
./build/bin/llama cli -hf webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Use Docker

docker model run hf.co/webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Llama new
LM Studio
Jan

vLLM

How to use webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Ollama
How to use webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF with Ollama:
```
ollama run hf.co/webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL
```
Unsloth Desktop

How to use webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF with Docker Model Runner:
```
docker model run hf.co/webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL
```

Lemonade

How to use webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Run and chat with the model

lemonade run user.ling3-tr-tiny-pruned-hukuk-v2-GGUF-IQ4_NL

List all available models

lemonade list

Hermes Agent

How to use webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL

Configure OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF:IQ4_NL" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

Run OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

Ling3-TR-Tiny-Pruned-Hukuk v2 (GGUF)

Özel Mülkiyet ve Lisans Bildirimi (Proprietary / All Rights Reserved)

LİSANS: proprietary-private (license: other) Bu model, budanmış mimarisi, ince ayar ağırlıkları, GGUF kuantalama dosyaları ve kalibrasyon matrisi tamamen Özel Mülkiyet (Private / Proprietary) kapsamındadır. Tüm hakları saklıdır (All Rights Reserved). Model sahibinin (webbrain-one) yazılı ve açık izni olmaksızın bu modelin veya türevlerinin kopyalanması, dağıtılması, üçüncü kişilerle paylaşılması, ticari veya açık kaynaklı ortamlarda yeniden yayınlanması kesinlikle yasaktır.

PekBilen masaüstü uygulamasının küçük (düşük bellekli) hukuk modeli.

Taban: webbrain-one/ling3-turkish-tiny-pruned (inclusionAI/Ling-3.0-tiny → Türkçe budama, 80 uzman/katman, Türkçe heal; 5,3 milyar parametre, token başına ~1,3 milyar aktif).
v2 eğitimi: Qwen 3.5 9B v2 ile aynı veri (webbrain-one/hukuk-dataset-v2, 6.013 örnek; uygulamanın kendi istem biçimi, her hedef uygulamanın denetçilerinden geçmiş). Uygulama Ling'i düşünmesiz çalıştırdığı için plan satırları çıkarıldı. Uzman başına LoRA (r 32, α 32) bütün doğrusal katmanlarda, yalnız asistan token'larında kayıp, lr 1e-4, 1 epoch, en çok 12.288 token.

Dosyalar

Dosya	Kuantalama	Boyut
`ling3-tr-tiny-pruned-hukuk-v2-IQ4_XS.gguf` (uygulamanın kullandığı)	IQ4_XS	2,90 GB
`ling3-tr-tiny-pruned-hukuk-v2-IQ4_NL.gguf`	IQ4_NL	3,05 GB
`imatrix_ling_v2.dat`	uygulama biçimindeki istemlerle importance matrix	28 MB

Değerlendirme

Eğitimde olmayan 20 güncel karar üzerinde uygulamanın 139 tek çağrılık işi ve 40 mevzuat sorusu; her yanıt uygulamanın atıf ve görev denetçileriyle puanlandı. IQ4_XS, llama.cpp b11724, düşünme kapalı; v1 aynı düzenekte.

	Ling v1	Ling v2	Qwen 3.5 9B v2.1 (düşünme kapalı)
Uygulama işleri	67 / 139	99	97
Mevzuat soru-cevap	36 / 40	33	38
TRLawBench (97 ÖSYM sorusu)	30	23	47
HukukBERT cloze (Ling yöntemi: acc / acc_norm / sohbet MCQ)	50,8 / 49,3 / 62,7	40,8 / 42,5 / 56,3	73,6 / 71,1 / –

v2, uygulamanın işlerinde v1'in çok önünde ve düşünme kapalı Qwen v2.1 düzeyinde; v1'in eğitim verisindeki kapalı kitap soru-cevaplardan gelen ezber bilgisinin bir kısmını (cloze, TRLawBench) ise kaybediyor.

Kalite uyarısı: Token başına ~1,3 milyar aktif parametreli küçük bir modeldir; çıktılar hukuki görüş yerine geçmez ve birincil kaynaktan doğrulanmalıdır.

Downloads last month: 362

GGUF

Model size

5B params

Architecture

bailingmoe3

Hardware compatibility

4-bit

Model tree for webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF

Base model

webbrain-one/ling3-turkish-tiny-pruned

Quantized

(3)

this model

Collection including webbrain-one/ling3-tr-tiny-pruned-hukuk-v2-GGUF

Turkish Legal AI & Case Law

Collection

5 items • Updated 17 days ago