Команда разработчиков обучила большую языковую модель Qwen3-4B-Instruct-2507 говорить на карачаево-балкарском языке, который относится к малоресурсным тюркским языкам половецко-кыпчакской группы.

В процессе работы пришлось с нуля создать собственный морфологический процессор для аугментации диалектов и обучить токенизатор, так как стандартные решения не подходили для этого языка.

Особое внимание уделили балансу при обучении на сырых данных, чтобы модель не забывала инструкции и могла отвечать на запросы пользователей, а не просто генерировать текст.

Готовая модель опубликована на HuggingFace под названием TSjB/QM-4B, а результаты работы были представлены на конференции TurkLang 2026.