Terwijl de wereld overspoeld wordt door steeds grotere meertalige taalmodellen, kiest Turkije een andere weg. Kumru AI is een geavanceerd Turks Large Language Model dat niet voortbouwt op bestaande Engelse of meertalige fundamenten, maar volledig from scratch is ontwikkeld voor de Turkse markt. Geen consumentenchatbot, maar een professionele bouwsteen voor organisaties die hun data op eigen bodem willen houden.
Kumru AI is een Turks language model dat gestart is rond eind 2024 en begin 2025, developed door het Turkse technologiebedrijf VNGRS. Het doel is helder: een nationale, zakelijke AI-oplossing bieden die voldoet aan de strenge eisen van Turkse organisaties in gereguleerde sectoren. VNGRS heeft Kumru volledig vanaf nul ontwikkeld voor de Turkse markt, zonder gebruik te maken van hergebruikte Engelse datasets of vertaalde corpora.
Het model is specifiek ontworpen voor the Turkish language en cultuur. Dat betekent dat de trainingsdata, het vocabulaire en de hele architectuur zijn afgestemd op de eigenaardigheden van het Turks - een agglutinerende taal met complexe suffixstructuren die meertalige modellen vaak slecht aankunnen. Kumru is ontwikkeld om de Turkse technology gemeenschap te ondersteunen en de kloof te dichten tussen grote internationale modellen en de beperkte Turkse taalondersteuning in bestaande open source modellen.
De belangrijkste sectoren waarop Kumru zich richt:
Kumru AI richt zich op compliance met lokale wetgeving en databeveiligingseisen. Denk aan banken die simpelweg geen data naar Amerikaanse cloudproviders mogen sturen. Instead van data over de grens te laten gaan, draait Kumru volledig on-premises, achter de eigen firewall van de organisatie.
De architectuur van Kumru LLM volgt een moderne decoder-only opzet, vergelijkbaar met modellen like LLaMA 3 en Mistral - maar dan specifiek geoptimaliseerd for Turkish. Het cruciale verschil: er is geen sprake van continued pretraining of fine-tuning op een bestaand meertalig model. Alles is from scratch opgebouwd.
Kumru is een 7.4B parameter model ontwikkeld door VNGRS, oftewel: Kumru heeft 7,4 miljard parameters. Het model is getraind op 500 GB aan gegevens - opgeschoonde, gededupliceerde Turkse tekst die voortkomt uit een ruwe dataset van ongeveer 1,2 TB. Dit resulteerde in circa 300 miljard tokens waarop the model uiteindelijk is getraind.
Enkele kerncijfers van Kumru-7B:
| Specificatie | Waarde |
|---------------|---------------------------------------------|
| Parameters | \~7,4 miljard |
| Trainingsdata | \~500 GB opgeschoond (\~300 miljard tokens) |
| Contextlengte | 8.192 tokens |
| VRAM-behoefte | \~16 GB (bf16) |
| Licentie | Commercieel (via VNGRS) |
Kumru heeft een contextlengte van 8.192 tokens, wat VNGRS omschrijft als het equivalent van zo'n 20 A4-pagina's Turkse tekst. Kumru kan documenten tot 20 A4-pagina's verwerken in één keer. De effectieve contextlengte van Kumru ligt tussen 1128 and 1618 tokens, afhankelijk van de specifieke toepassing en het type tekst.
Een van de meest onderscheidende onderdelen is de Kumru tokenizer. Dit is een moderne BPE-tokenizer (Byte Pair Encoding) met een vocabulairegrootte van 50.176. De tokenizer is ontworpen om de agglutinerende structuur van de Turkish language efficiënt te coderen: suffixen, vervoegingen en andere taalkundige verbuigingen worden compact gerepresenteerd.
This shows the efficiency concreet: het model verwerkt Turkse teksten tot wel 90% efficiënter dankzij een op maat gemaakte tokenizer. Kumru gebruikt 38% tot 98% minder tokens dan andere modellen voor dezelfde Turkse tekst. Dat vertaalt zich direct naar lagere kosten per request en snellere verwerking - een aanzienlijk voordeel in terms van speed and cost voor organisaties die dagelijks grote hoeveelheden Turkse documenten verwerken.
De representation power van deze gespecialiseerde tokenizer is aanzienlijk groter dan die van meertalige alternatieven, omdat elk token meer betekenis draagt in de context van het Turks. Bovendien ondersteunt de Kumru tokenizer multiturn gesprekken met een chattemplate, wat het model geschikt maakt voor interactieve toepassingen.
Kumru AI is speciaal ontwikkeld om Turkstalige grammatica en complexe zinsstructuren te begrijpen - iets waar generieke meertalige modellen structureel moeite mee hebben.
Naast het hoofdmodel bestaat er een lichtgewicht open source version: Kumru-2B, met ongeveer 2 miljard parameters. Dit model draait op apparaten met ±4,8 GB geheugen (bf16) en kan bij 4-bit quantization zelfs met circa 1,5 GB VRAM overweg. De code en gewichten zijn publiek beschikbaar onder een Apache-2.0-licentie.
Op de CETVEL benchmark - een evaluatieset met 23 Turkse taken waaronder grammaticacorrectie, samenvatting, question answering en vertaling - show de resultaten dat Kumru overall indrukwekkend presteert. Kumru overtreft grotere modellen zoals LLaMA-3.3-70B, en ook modellen als Gemma-3-27B en Qwen-2-72B scoren lager op Turkse taken. Een fine-tuned variant (Kara-Kumru-v1.0-2B) behaalt op CETVEL een gemiddelde van 37,56, tegenover 36,25 voor Llama-3.3-70B-Instruct.
Wat betekent dit in de praktijk? Lagere latency, lagere kosten per request en betere prestaties specifiek for Turkish - vergeleken met generieke, meertalige LLM's die Turks slechts als bijzaak behandelen.
Kumru is geen eindgebruikersproduct dat je downloadt en als chatbot gebruikt. Het is een bouwblok voor interne systemen: documentverwerking, kennisbanken, workflow-automatisering en compliance-processen. Kumru AI blinkt uit in klantenservice en documentverwerking - precies de topics waar Turkse organisaties dagelijks mee te maken hebben.
De typische deployment van Kumru-7B vindt plaats on-premises: op lokale servers of in een private cloud, zonder datadeling met externe providers. Kumru AI kan lokaal (on-premises) worden geïnstalleerd op relatief goedkope hardware. Het model kan draaien op consumenten-GPU's met slechts 16 GB VRAM, such as een NVIDIA RTX A4000 of vergelijkbaar. Dat maakt het haalbaar voor veel datacenters en grotere MKB-organisaties zonder zware investeringen.
Er bestaat wel een webgebaseerde testinterface - een demo-omgeving om het model uit te proberen - maar dit is uitdrukkelijk geen publieke chatbot voor consumenten. If it al een vergelijking verdient, dan is het eerder met een interne proof-of-concept dan met een ChatGPT-achtige interface.
Kumru AI kan worden geïntegreerd in interne systemen van bedrijven. De meest voorkomende toepassingen:
Organisaties kunnen Kumru integreren via API's, interne microservices of als onderdeel van bestaande workflow-tooling. De open source versie Kumru-2B is daarbij geschikt voor prototyping, mobiele of edge-scenario's, terwijl de grotere 7B-variant meer accuratesse biedt voor productie in kritieke omgevingen.
De vergelijking met ChatGPT wordt online regelmatig gemaakt - op fora, in posts op sociale media en in technologieblogs. Maar die vergelijking klopt niet met de ambities en het ontwerp van Kumru. Waar ChatGPT een consumentenproduct is dat casual chat, creatieve storytelling en tientallen talen ondersteunt, is Kumru AI gericht op zakelijke toepassingen (B2B) met nadruk op privacy, regelgeving en auditability van outputs.
Kumru is ontworpen voor gebruik in gereguleerde sectoren in Turkije, waar organisaties gebonden zijn aan wetgeving like KVKK (de Turkse privacywet) en sectorspecifieke regelgeving van BRSA/BDDK. Algemene consumentenfeatures hebben geen prioriteit; instead ligt de focus op nauwkeurige Turkse taalverwerking voor zakelijke documenten.
Voor Turkish bedrijven betekent Kumru concreet: minder handmatig werk bij documentverwerking, snellere verwerking van Turkse dossiers, en betere toegankelijkheid van archieven en regelgeving. Denk aan een juridische afdeling die in minuten een contractanalyse uitvoert in place van uren, of een compliance-team dat automatisch risicosignalen uit honderden pagina's rapportage filtert.
Kumru bevindt zich nog in actieve ontwikkeling. De huidige versies zijn gericht op basismodelcapaciteiten, met beperkte of geen RLHF-fase (Reinforcement Learning from Human Feedback). Op de roadmap staan:
De open source dataset is al gelanceerd, wat onderzoekers en ontwikkelaars de mogelijkheid biedt om bij te dragen aan de verdere ontwikkeling. Rond october 2025 verschenen de eerste publieke versies en sindsdien is de community gestaag gegroeid.
De lichte Kumru-2B is als open source versie beschikbaar onder een Apache-2.0-licentie - zowel de code als de gewichten zijn publiek toegankelijk. Organisaties kunnen deze variant vrij downloaden, aanpassen en commercieel inzetten zonder restricties.
De grotere bedrijfsmodellen, met name Kumru-7B, vallen onder een restrictievere licentie. Toegang tot de repository vereist authenticatie en verloopt via commercieel contact met VNGRS. Er is een roadmap om meer componenten vrij te geven zodra stabiliteit, veiligheid en documentatie op het gewenste niveau zijn. Ontwikkelaars kunnen de repositories en documentatie doorgaans vinden via platforms als Hugging Face of het eigen portal van VNGRS.
Kumru is primair voor Turks ontworpen en geoptimaliseerd. De trainingsdata en tokenizer zijn volledig op de Turkish language afgestemd. Het model kan incidenteel eenvoudige Engels-Turks of Turks-Engels interacties hanteren, maar prestaties buiten Turks zijn niet het speerpunt.
Organisaties die meertalige oplossingen nodig hebben, wordt aangeraden Kumru te combineren met andere LLM's, of te wachten op mogelijke toekomstige meertalige varianten die VNGRS op de roadmap heeft staan.
De 7B-variant is ontworpen voor één GPU met circa 16 GB VRAM. Dat maakt het haalbaar voor veel datacenters en grotere MKB-organisaties met kaarten like een RTX A4000 of vergelijkbaar.
De 2B open source versie draait op lichtere hardware - inclusief sommige mobiele of edge-apparaten - met circa 4,8 GB VRAM in bf16, of zelfs rond 1,5 GB bij 4-bit quantization. CPU-only deployment is mogelijk voor testdoeleinden, maar levert duidelijk hogere latency op dan GPU-gebaseerde setups.
Veel open source modellen zijn meertalig en ondersteunen Turks slechts als extra taal. Dat leidt tot suboptimale tokenisatie: meer tokens per zin, hogere kosten per request en lagere nauwkeurigheid bij grammaticaal complexe Turkse constructies.
Kumru is from scratch voor Turks developed, met een gespecialiseerde tokenizer en trainingsdata. De benchmark resultaten op CETVEL tonen dat Kumru ondanks een kleiner parameteraantal beter presteert op Turkse evaluaties dan grotere generieke modellen such as LLaMA-3.3-70B, Gemma-3-27B en Qwen-2-72B. Het verschil zit in de combinatie van een efficiëntere tokenizer, native Turkse trainingsdata en een architectuur die specifiek is afgestemd op de structuur van het Turks.
---
Kumru AI laat zien dat een gespecialiseerd, nationaal taalmodel niet alleen haalbaar is, maar ook beter kan presteren dan veel grotere internationale alternatieven - mits het wordt gebouwd met de juiste focus. Voor Turkse organisaties die worstelen met privacy, compliance en nauwkeurige Turkse taalverwerking, biedt Kumru een concreet antwoord. Of je nu een bank bent die risicorapporten wil automatiseren, een overheidsinstelling die beleidsdocumenten toegankelijker wil maken, of een juridisch kantoor dat contractanalyse wil versnellen: Kumru verdient een plek op je shortlist.
Wil je zelf aan de slag? De Kumru-2B open source versie is vrij beschikbaar voor experimentatie. Voor productie-inzet van de 7B-variant kun je contact opnemen met VNGRS.
Kumru is een Turkstalig groot taalmodel (7,4 miljard parameters) van het Turkse bedrijf VNGRS, specifiek getraind en geoptimaliseerd voor de Turkse taal. Voor ondernemers die zaken doen met Turkstalige klanten of personeel is dit bruikbaar voor taken als grammaticacorrectie, samenvatten, klantenservice-chatbots en callcenter-analyse in het Turks, met een nauwkeurigere tokenizer dan meertalige modellen zoals ChatGPT. Er is ook een optie om het model on-premise te draaien voor sectoren met strenge dataveiligheidseisen.
Door: VNGRS (Turks softwarebedrijf, overgenomen door BtcTurk in 2025).
Prijs: pay-as-you-go API, geen vast instaptarief vermeld; er is ook een kleiner open-source model (Kumru-2B) gratis beschikbaar via Hugging Face.
Voor wie: ondernemers die Turkstalige AI-toepassingen nodig hebben, bijvoorbeeld voor klantenservice of contentcreatie.
Hoe gebruik je het: via de webchat op kumru.ai, de API, of het open-source Kumru-2B-model zelf hosten.
Link: kumru.ai
Nee, het model is specifiek getraind en geoptimaliseerd voor het Turks, niet voor andere talen.
Ja, het kleinere open-source model Kumru-2B is gratis te downloaden en lokaal te draaien.
Ja, dit wordt expliciet genoemd als optie voor sectoren met strenge dataveiligheidseisen.
Ja, het model wordt nog actief doorontwikkeld en de chatinterface waarschuwt dat het fouten kan maken.
Ondernemen en AI is ontstaan uit een duidelijke passie: verhelderend platform over wat AI écht betekent voor ondernemers, met concrete voorbeelden uit de praktijk. Wat begon als een klein initiatief is uitgegroeid tot een plek waar vakmanschap en persoonlijke aandacht samenkomen.