Balasagun（バラサグン）はカラハン朝の首都のひとつで、現在のキルギスにあたるチュー川の流域にありました。『クタドグ・ビリグ』（Kutadgu Bilig）の著者ユースフ・ハース・ハージブはこの町で生まれ、ここで作品を書き始めました。完成させたのは1069–70年、カシュガルでのことです。
Kutadgu Bilig は「幸福になるための知識」という意味です。私たちのモデルは、この町の名前をとっています。
お客様専用の AI 言語モデルが、自社サーバーまたはレンタル GPU 上に常駐して稼働します。モデルはお客様の業務の言葉を話します。お客様が望まない限り、質問も文書も他の AI 企業に送られることはありません。
ステータス
開発中 · ステージ 0 / 3 · 2026年10月
仕組み
アニメーション：目指している動作のイメージです。モデルはまだ開発中です。
ホテル
電気
BALASAGUN とは？
BALASAGUN は、私たちがいま電気工学とホテル経営の分野で学習を進めている、独自の AI 言語モデルです。ゼロから学習させるのではありません。オープンソースの言語モデルを、当社のエンジニアリングの知見をもとに必要とされる業界に合わせて学習させ、サービスとして導入し、運用しています。そのため、高価な言語モデルを使う代わりに、自社の言語モデルでソリューションを生み出しています。また、お客様のために開発するお客様専用の LLM を、お客様が選んだ他の LLM とハイブリッドで動作するように構成することもできます。
宿泊客からの質問、設備対応、エネルギーと保守の管理、スタッフの業務。ホテル独自のルールや料金は、質問のたびに文書から読み取ります。
トルコの電気内線設備、接地、強電設備に関する規則。電圧降下、需要電力、調査と数量拾いの計算。
調査ソフトウェア Elektrik GPT、このサイトのアシスタント Leyla、ARI エネルギー監視が、BALASAGUN を最初に使う製品になります。
私たちの方法
どのモデルも同じ 5 つのステップを経ます。BALASAGUN もこの方法で育てており、お客様のモデルも同じ方法で構築します。
育て方
私たちの約束
モデルは、お客様のサーバー、またはお客様専用のレンタル GPU で学習し、稼働します。個人データを扱うモデルには、自社サーバーをおすすめします。他の AI 企業のクラウドモデルにリクエストを送るのは、お客様が選んだ業務に限られ、それもお客様が望む場合だけです。
ベースモデルは、必ず商用利用が可能なライセンス（Apache 2.0 / MIT）のものです。すべての学習データには出典とライセンスのメモが残り、必要ならコマンド 1 つで学習から外せます。
価格、条項番号、規程のように変わる情報は、モデルに暗記させません。質問のたびに文書から読み取ります。情報が変わっても、モデルを再学習する必要はありません。
すべてのバージョンを当社のテストセットでベースモデルと比較し、上回れないバージョンは使いません。BALASAGUN の最初のバージョンの目標：全体で 10 点以上の向上、どの分野でも 2 点を超える低下なし。
現在の状況
最初のバージョンはまだ学習していません。進捗に合わせて、このセクションを更新します。
0現在
テストセットとベースモデルの比較選定
1
データパイプライン
2
最初のバージョンの学習（v0.1）
3
提供と連携
v1
拡張版
学習インフラ
これまでに行ったことを、実際の記録とともにご紹介します。ベースモデルの比較選定と、最初の LoRA 試験学習です。本番の学習は次のステップです。ここでは、実際に起きたことをそのままお見せします。
5 つのオープンソースモデルが、当社のテストセットの 50 問（電気 25 問、ホテル 25 問）で競い、オープンウェイトの審査モデルが回答を採点しました。選ばれたベースは Qwen3.6-35B-A3B です。電気分野で 1 位、ライセンスは Apache-2.0 で、2 つの分野別アダプターを 1 台の GPU でまとめて提供するのに適しています。
| モデル | 合計 | 電気 | ホテル |
|---|---|---|---|
| google/gemma-4-26B-A4B-it | 87.2 | 76.0 | 98.4 |
| Qwen/Qwen3.6-35B-A3B採用 | 84.6 | 86.4 | 82.8 |
| google/gemma-4-12B-it | 79.6 | 64.0 | 95.2 |
| Qwen/Qwen3.5-9B | 73.8 | 72.4 | 75.2 |
| mistralai/Mistral-Small-3.2-24B-Instruct-2506 | 64.6 | 55.2 | 74.0 |
100 点満点 · 審査：Qwen3.8-27B · 2026年10月19日
本番の学習の前に、仕組み全体を端から端まで試しました。同じベースモデルの上で、2 つの LoRA アダプター（電気、ホテル）をそれぞれ 20 ステップ学習させました。学習は正常に動きましたが、続く vLLM による提供のステップは今回の試験でクラッシュしたため、現在修正しています。
15:18:59Z {"olay": "yuklendi", "sn": 228.0, "vram_gb": 69.3, "sinif": "Qwen3_5MoeForCausalLM"}
15:19:00Z {"olay": "adaptor", "adaptor": "elektrik", "egitilebilir": 3440640}
15:19:03Z {"olay": "adim", "adaptor": "elektrik", "adim": 0, "loss": 3.892}
15:19:22Z {"olay": "adim", "adaptor": "elektrik", "adim": 19, "loss": 0.8816}
15:19:22Z {"olay": "adaptor", "adaptor": "otel", "egitilebilir": 3440640}
15:19:23Z {"olay": "adim", "adaptor": "otel", "adim": 0, "loss": 2.1289}
15:19:41Z {"olay": "adim", "adaptor": "otel", "adim": 19, "loss": 0.306}
15:19:42Z {"olay": "egitim_bitti", "sn": 270.4, "vram_gb_max": 69.6}
15:20:00Z vLLM version 0.31.0 · model Qwen/Qwen3.6-35B-A3B · lora_modules: elektrik, otel
Durum: BAŞARISIZ — vLLM kapandı (vllm-exited) · GPU: NVIDIA A100-SXM4-80GB · süre: 17 dk時刻は UTC です。各行は当社の学習スクリプト自身のログです。
Qwen3.6-35B-A3B
ベースモデル（Apache-2.0）
PyTorch + Hugging Face Transformers
モデルの読み込みと学習
PEFT (LoRA)
分野別アダプター（電気、ホテル）
vLLM 0.31.0
評価と提供（OpenAI 互換エンドポイント）
RunPod GPU ポッド
レンタルの A100 80 GB と RTX A6000 48 GB サーバー
Hugging Face Hub
モデルとアダプター用のプライベートリポジトリ
Python 3.12 + uv
データパイプライン、テストセット、採点器
コスト監視 + Oracle クリーナー
ジョブが終わると pod は停止し、放置された pod は 1.5 時間後に削除されます
専門家が承認したデータによる bf16 LoRA 学習を、80–96 GB の GPU（A100 80 GB または RTX PRO 6000 96 GB）で行います。各アダプターはそれぞれの分野のテストセットで測定し、ベースモデルを上回れないバージョンは公開しません。
お客様の業界に
BALASAGUN を自社のためにつくったのと同じように、お客様の業界向けに独自の言語モデルを構築し、学習させます。自社サーバーでも、レンタル GPU でも構いません。
患者への情報提供、診療プロトコルや医薬品ガイドの検索。患者データは病院のサーバーに残ります。
記録のアーカイブと判例の調査、書面の下書き。依頼者の記録は事務所の中に残ります。
請求書の読み取り、法規に関する質問、取引先別残高の要約。財務記録は会社のサーバーに残ります。
機械のマニュアル、保守記録、故障診断。生産データは工場の中に残ります。
現場報告、故障記録、設備の資料。電力網と設備のデータはお客様の手元に残ります。
住民からの申請への回答、法規の検索。個人データは機関のサーバーに残ります。
授業コンテンツと組織内の知識アシスタント。生徒のデータは学校に残ります。
商品カタログ、カスタマーサービス、返品ルール。顧客データはお客様の手元に残ります。
業界が一覧にない場合も、ご連絡ください。まずは業務とデータについてお話ししましょう。見積もりを依頼
進め方
期間と価格は、お客様の業務とデータによって変わります。ヒアリングの後、書面でお見積もりをお出しします。
業務、データ、機密保持の要件についてお話しします。
どの文書や記録を使うかを洗い出し、お客様の実際の質問からテストセットをつくります。
候補のベースモデルを比較し、勝ったモデルをファインチューニングで調整して、測定レポートをお渡しします。
モデルをお客様のサーバー、またはお客様専用のレンタル GPU に導入し、お客様のシステムと連携させます。
新しい文書や質問でモデルを更新し、バージョンごとに測定し直します。
見積もりを依頼
業務の内容とお手元のデータを簡単にお書きください。こちらからご連絡し、ヒアリングの日程を調整します。