Instructions to use AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-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 AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-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 AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M
# Run inference directly in the terminal:
llama cli -hf AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M
# Run inference directly in the terminal:
./llama-cli -hf AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

Use Docker

docker model run hf.co/AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

LM Studio
Jan

vLLM

How to use AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-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": "AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Use Docker

docker model run hf.co/AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

Ollama
How to use AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF with Ollama:
```
ollama run hf.co/AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M
```

Unsloth Studio

How to use AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF to start chatting

How to use AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

Configure the model in Pi

# Install Pi:
npm install -g @mariozechner/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

OpenClaw new

How to use AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

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 "AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M" \
  --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"

Docker Model Runner
How to use AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF with Docker Model Runner:
```
docker model run hf.co/AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M
```

Lemonade

How to use AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

Run and chat with the model

lemonade run user.Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF-Q4_K_M

List all available models

lemonade list

Hermes Agent

How to use AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-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 AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

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 AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF:Q4_K_M

Run Hermes

hermes

Atomic Chat

Mizan-27B-Turkish-Legal-LLM

Mizan-27B, Türk hukuku alanında soru yanıtlama ve hukuki analiz için geliştirilmiş, Qwen3.6-27B tabanlı bir Türkçe modeldir. Bu depo, QLoRA adapterının pinlenmiş BF16 base ağırlıklarına birleştirilmiş sürümünü içerir; çalıştırmak için ayrıca adapter bağlamak gerekmez.

Önemli: Bu model bir avukat veya resmî mevzuat kaynağı değildir. Hukuk zamanla değişir. Model mevcut olmayan kanun, madde veya karar üretebilir; tüm atıflar güncel resmî kaynaklardan doğrulanmalıdır.

Model özeti

Alan	Değer
Base model	`Qwen/Qwen3.6-27B`
Pinli base revision	`6a9e13bd6fc8f0983b9b99948120bc37f49c13e9`
Mimari	Qwen3.6, 27B, 64 katman; vision encoder korunmuştur
Fine-tuning türü	Text-only SFT, 4-bit NF4 QLoRA
Yayın ağırlıkları	Birleştirilmiş BF16 safetensors
Eğitim dili/alanı	Türkçe, Türkiye hukuku
Base model doğal bağlamı	262.144 token
Lisans	cc-by-nc-4.0

Vision encoder base modelden korunmuştur ancak hukuk fine-tune'u yalnızca metin üzerinde yapılmıştır. Görsel hukuk görevlerinde ek bir kalite iddiası yoktur.

Kullanım alanları

Model şu görevler için araştırma ve yardımcı taslak üretme amacıyla kullanılabilir:

Türkçe hukuk sorularına yapılandırılmış yanıt taslağı hazırlama
Sözleşme, KVKK, ticaret, kira, usul ve idare hukuku konularında ön analiz
Bir hukuk RAG sisteminde cevap üretici model olarak kullanım
Hukuki metinlerde risk, kontrol listesi ve takip soruları üretme

Kapsam dışı ve yüksek riskli kullanım

İnsan ve resmî kaynak doğrulaması olmadan kişiye özel kesin hukuki görüş
Dava süresi, zamanaşımı veya hak düşürücü süre takibinin modele bırakılması
Model çıktısındaki kanun/karar atıflarının doğrulanmadan kullanılması
Mahkeme, idare veya üçüncü kişilere otomatik karar/başvuru gönderimi

Eğitim verisi

Model, AlicanKiraz0 üretimi olan veri kümesiyle eğitildi.

Toplam kayıt: 210.662
Eğitim bölmesi: 210.258
Eğitim kaynak RAG dağılımı: kaynak 1 = 9200, kaynak 2 = 13.980

Eğitim ayrıntıları

Ayar	Değer
Trainable parametre	233.455.616 (`%0,846`)
Vision trainable parametre	0
Train loss	0,61435
Final eval loss	0,57791
Final eval token accuracy	0,82742
Eğitim süresi	yaklaşık 110 sa 55 dk
Donanım	1× NVIDIA RTX PRO 6000 Blackwell Workstation Edition

Küçük karşılaştırmalı değerlendirme

Ayrılmış eval kümesinden, iki veri kaynağından beşer olmak üzere 10 soru seçildi. Base ve fine-tuned modeller aynı prompt, greedy decoding ve enable_thinking=false ile karşılaştırıldı. Referans cevaplar modellere gösterilmedi. Hukuki sonuç, madde/kanun doğruluğu, olay uygulaması ve kalibrasyon manuel olarak puanlandı.

Model	Manuel puan	Net galibiyet
Qwen3.6-27B base	18,25 / 50 (`%36,5`)	1
Mizan-27B	30,50 / 50 (`%61,0`)	7

İki soruda iki model de başarısız/berabere değerlendirildi. Mizan cevapları toplam üretilen token bakımından base modelden %22,7 daha kısaydı. Bu çalışma yalnızca 10 soruluk, uzman gözetimli bir teşhis ölçümüdür; geniş kapsamlı veya istatistiksel bir hukuk benchmarkı değildir.

Gözlenen başlıca sınırlamalar

Fine-tune, doğru hukuki ekseni seçme ve uygulanabilir cevap üretme eğilimini artırdı.
Mevcut olmayan veya ilgisiz kanun/madde üretme tamamen ortadan kalkmadı.
Verginin zaman bakımından uygulanması ve ceza muhakemesi süreleri gibi sorularda ciddi hata görüldü.
Eğitim referanslarının kendisi de resmî mevzuatla doğrulanmadan altın cevap kabul edilmemelidir.

Üretim kullanımı için resmî mevzuat pasajlarıyla çalışan RAG, tarih damgası, atıf denetimi ve insan incelemesi önerilir.

Bellek gereksinimi için 4-bit yükleme kullanılabilir; bu depodaki ağırlıklar BF16 olarak yayımlanmıştır.

Birleştirme ve bütünlük

Merge yöntemi: PEFT merge_and_unload(safe_merge=True)
Base ağırlıkları: pinli BF16 safetensors
Adapter SHA-256: 642a63425c3445c7d26a54e4999e9d5488cc986007432854f681797180c1d153
Dosya bazlı hashler: depodaki SHA256SUMS
Merge kaydı: depodaki merge_manifest.json

Sorumluluk reddi

Bu modelin yanıtları bilgi ve araştırma desteği içindir; hukuki danışmanlık değildir. Mevzuatın yürürlük tarihi, değişiklikler, geçiş hükümleri, yüksek mahkeme içtihadı ve somut olay belgeleri ayrıca incelenmelidir. Hak kaybı doğurabilecek işlemlerde yetkili bir hukuk uzmanına başvurulmalıdır.

Atıf

@misc{mizan27b2026,
  title        = {Mizan-27B-Turkish-Legal-LLM},
  author       = {Kiraz, Alican},
  year         = {2026},
  howpublished = {Hugging Face model repository},
  url          = {https://huggingface.co/AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF}
}

Base model lisansı ve koşulları için Qwen/Qwen3.6-27B model kartına bakın.

Downloads last month: 10,927

GGUF

Model size

27B params

Architecture

qwen35

Hardware compatibility

4-bit

Model tree for AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF

Base model

Qwen/Qwen3.6-27B

Quantized

(680)

this model

AlicanKiraz0
/

Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF

Mizan-27B-Turkish-Legal-LLM

Model özeti

Kullanım alanları

Kapsam dışı ve yüksek riskli kullanım

Eğitim verisi

Eğitim ayrıntıları

Küçük karşılaştırmalı değerlendirme

Gözlenen başlıca sınırlamalar

Birleştirme ve bütünlük

Sorumluluk reddi

Atıf

Model tree for AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF

Space using AlicanKiraz0/Mizan-27B-Turkish-Legal-LLM-Q4_K_M-GGUF 1