Nega hamma oʻz LLMʼini quryapti
2024–2026-yillar milliy til modellari davriga aylandi. Dunyo boʻylab hukumatlar tushunib yetdi: begona AI tizimlariga qaram boʻlish — strategik xavf. Maʼlumotlar chet elga ketadi, modellar mahalliy kontekstni tushunmaydi, infratuzilma esa xorijiy kompaniyalarga tegishli.
Kimlar allaqachon qurgan
| Mamlakat | Loyiha | Parametrlar | Byudjet |
|---|---|---|---|
| BAA | Falcon (TII) | 7B–180B | $50–200M |
| Saudiya Arabistoni | ALLaM (HUMAIN) | 34B | HUMAINʼning $100B qismi |
| Fransiya | Mistral AI | 123B gacha | $3B+ jalb qilingan |
| Turkiya | Kumru AI (TUBITAK) | 14B | $10–50M |
| Qozogʻiston | KAZ-LLM (ISSAI) | 8B + 70B | ~$5–20M |
Oʻzbekiston — Markaziy Osiyodagi oʻz til modeliga ega boʻlmagan yagona yirik davlat. Holbuki, 2024-yil oktyabrida Prezident sunʼiy intellektni rivojlantirish strategiyasini (PQ-358) imzoladi, Raqamli texnologiyalar vazirligi esa milliy model ishlab chiqilishini eʼlon qildi. Maqsad — 2030-yilgacha 1,5 mlrd dollarlik AI mahsulotlari.
Maxsus LLM kimga kerak
Faqat hukumatlarga emas. Oʻz modelingiz OpenAI yoki Anthropic API orqali hal qilib boʻlmaydigan aniq biznes vazifalarini yechadi.
Davlat
Maʼlumotlar suvereniteti. Fuqarolarning murojaatlari, tibbiy yozuvlar, sud ishlari — hammasi mamlakat ichida qoladi. Xorijiy APIʼlarga qaram boʻlmagan, milliy tildagi davlat xizmatlari.
Banklar va telekom
Talablarga muvofiqlik va xavfsizlik. Mijozlar maʼlumotlari OpenAIʼga ketmaydi. Chat-botlar mahalliy kontekstni tushunadi: valyuta, qonunchilik, mahsulotlar. Regulyatorlar maʼlumotlarni mahalliy saqlashni talab qiladi.
IT kompaniyalar
Ixtisoslashgan agentlar. Sizning APIʼlaringizda oʻqitilgan model: Telegram, CRM, maʼlumotlar bazasi. Oraliq qatlamlarsiz tool calling. Xatti-harakat ustidan toʻliq nazorat.
Taʼlim
Mahalliy kontekstga moslashish. Oʻzbek maktabi dasturini biladigan, ona tilida tushuntiradigan va madaniy xususiyatlarni hisobga oladigan AI repetitor.
Startaplar
80–90 foiz tejash. GPT-4o million token uchun $2.50–15 turadi. Bitta GPUʼdagi oʻzingizning 14B modelingiz — $0.30–0.50/1M. Katta hajmda bu oʻn minglab dollarlik farq.
Kontent va media
Milliy tilda generatsiya. GPT-4o va Claude oʻzbekchada oʻrtacha yozadi. Oʻz modelingiz — toʻgʻri grammatika, uslub va madaniy kod.
Oʻz modelingiz qachon KERAK EMAS
Ochiq tahlil. Oʻz LLMʼingiz — hamma dardga davo emas. Tayyor APIʼlardan foydalangan maʼqul boʻlgan holatlar:
GPT-4o / Claude darajasi kerak
Agar vazifa frontier sifatini talab qilsa — murakkab mulohaza, Senior darajasidagi kod generatsiyasi, multimodallik — 14B model 200B+ modelning oʻrnini bosa olmaydi. API va RAGʼdan foydalaning.
Oʻqitish uchun maʼlumot yoʻq
Sifatli maʼlumotsiz fine-tuning foydasiz. Oddiy natija uchun kamida 500–1 000 ta belgilangan misol, sifatli natija uchun 5 000+ misol kerak. Maʼlumot boʻlmasa — prompt-injiniringdan boshlang.
Byudjet 500 dollardan kam
Fine-tuningʼning oʻzi bir progon uchun $2–8 turadi. Ammo maʼlumot tayyorlash, test qilish, iteratsiyalar va infratuzilma jami prototip uchun $500–1 200 talab qiladi. Byudjet qattiq cheklangan boʻlsa — APIʼni optimallashtirib ishlating.
Qoida: API (Anthropic, OpenAI) + RAG bilan boshlang. Narx, maxfiylik yoki oʻz tilingizdagi sifat devoriga borib taqalsangiz — oʻshanda fine-tune qiling.
Biz nima qildik · MILA LLM v0.1
Biz gʻoyadan ishlaydigan modelgacha boʻlgan butun yoʻlni bosib oʻtdik. Mana keysimizning bosqichma-bosqich tahlili.
Qwen3-14B
Nega aynan shu model: Apache 2.0 litsenziyasi (toʻliq erkinlik), oʻzbek tili ham kiradigan 119 tilni tabiiy qoʻllab-quvvatlash, 14 milliard parametr — sifatli javoblar uchun yetarli va bitta GPUʼga sigʻadi.
QLoRA Fine-Tuning
Barcha 8,8 milliard parametrni muzlatamiz, 4-bitga siqamiz. Kichik oʻqitiladigan adapterlar qoʻshamiz — 256M parametr (umumiy sonning 2,91 foizi). Faqat ularni oʻqitamiz. Natija: model eskisini unutmasdan yangisini oʻrganadi.
12 ta maxsus misol
Proof-of-concept uchun: 8 ta function calling misoli (Telegram, Calendar, Linear, Convex), oʻzbekcha bilimlar boʻyicha 2 ta misol, soha bilimlari boʻyicha 2 ta misol. ChatML formati. Tillar aralashmasi: oʻzbekcha (lotin), ruscha, inglizcha.
RunPod A100, ~20 daqiqa
RunPodʼda NVIDIA A100 80GB. Toʻliq sikl: pod yaratish, maʼlumotlarni yuklash, oʻqitish (12 ta misolda 18 soniya), LoRA adapterlarini birlashtirish (merge), GGUF kvantlash, natijani yuklab olish. Jami: ~$15.
Natija
| Parametr | Qiymat |
|---|---|
| GGUF hajmi | 8,4 GB (Q4_K_M) |
| Inference | ollama run mila-llm:14b |
| Tillar | Oʻzbek, rus, ingliz |
| Function calling | Telegram, Calendar, Linear, Web |
| Narxi | Toʻliq progon uchun ~$15 |
Model oddiy Macʼda Ollama orqali lokal ishlaydi. Oʻzbek, rus va ingliz tillarida javob beradi. Vositalarni tool_calls orqali chaqiradi. Toʻliq pipeline sozlangan va takrorlanadigan.
Iqtisodiyot · Maxsus LLMʼlar
Narxlarni solishtirish
| GPT-4o API | Fine-tuned 14B (self-hosted) | Fine-tuned 14B (cloud) | |
|---|---|---|---|
| Narxi | $2.50–15/1M token | $0 (hardware costs) | $0.30–0.50/1M |
| Maʼlumotlar | OpenAIʼga ketadi | Sizda qoladi | Sizning serveringizda |
| Moslashtirish | Faqat prompt | Toʻliq | Toʻliq |
| Latency | ~500 ms | ~100 ms (GPU) | ~200 ms |
Oʻqitish narxi
- QLoRA (tavsiya qilamiz): parametrlarning 0,1 foizini yangilaydi, 10–16 GB VRAM — bir progon uchun $2–8
- LoRA: parametrlarning 0,1–1 foizini yangilaydi, 24–48 GB VRAM — $50–200
- Full fine-tuning: barcha parametrlar, ~200 GB VRAM — $2 000–5 000
Bitta GPU nechta foydalanuvchiga xizmat qiladi
| GPU | Sotib olish | Ijara/soat | Foydalanuvchilar |
|---|---|---|---|
| RTX 4090 | $1,600–2,000 | $0.34–0.44 | 30–60 |
| L40S | $7,000–10,000 | $0.59–1.24 | 50–100 |
| A100 80GB | $10,000–15,000 | $0.67–2.06 | 80–150 |
| H100 SXM | $27,000–40,000 | $1.99–6.16 | 150–300 |
1 600 dollarlik bitta RTX 4090 bir vaqtning oʻzida 30–60 foydalanuvchiga xizmat qiladi. Startap yoki pilot loyiha uchun bitta karta yetarli.
Yoʻl xaritasi · Prototipdan mahsulotga
Prototip
Qwen3-14B asosidagi MILA-LLM-14B v0.1. QLoRA, 12 ta misol, GGUF 8,4 GB, Ollama orqali ishlaydi. Narxi: ~$15.
Validatsiya
5 000–10 000 ta oʻqitish misoli. Benchmarklar: FC accuracy, Uzbek QA, MMLU. Bazaviy model bilan A/B test. HuggingFaceʼda eʼlon qilish. Birinchi pilot mijozlar.
Kengaytirish
Davlat GPU klasterida (NVIDIA Blackwell B200) full fine-tuning. Kengaytirilgan til korpusi. DPO alignment. Model variantlari: 4B (edge), 14B (standart), 32B (premium).
Prodakshn
Toshkentda 4–8 GPU, inference API, 10+ mijoz. UzbekMMLU benchmarki. Raqamli texnologiyalar vazirligi bilan hamkorlik. Biznes uchun xizmat sifatida inference.
Keyingi bosqich uchun nima kerak
- GPU klaster — full fine-tuning va inference uchun (davlat dasturi yoki grant orqali mavjud)
- Til korpusi — oʻzbekcha matnlar: yangiliklar, kitoblar, hujjatlar (Raqamli texnologiyalar vazirligi loyihasi)
- $15–40K grant — ML muhandislar, maʼlumotlarni kengaytirish va infratuzilma uchun
MILA LLM — Oʻzbekiston uchun open-source model
Ishlaydigan prototip. Toʻliq pipeline. Apache 2.0 litsenziyasi.
Hamkorlikka tayyormiz: davlat, biznes, investorlar, ML muhandislar.