발라사군은 카라한 왕조의 수도 가운데 하나로, 오늘날 키르기스스탄 땅의 추강 유역에 있었습니다. 쿠타드구 빌리그의 저자 유수프 하스 하지브는 이 도시에서 태어나 이곳에서 작품을 쓰기 시작했고, 1069–70년 카슈가르에서 완성했습니다.
쿠타드구 빌리그는 “행복해지는 지식”이라는 뜻입니다. 우리 모델의 이름은 이 도시에서 따왔습니다.
귀사를 위해 만들어, 귀사의 자체 서버나 임대 GPU에 상주하며 일하는 AI 언어 모델입니다. 모델은 귀사 업무의 언어로 말하며, 귀사가 따로 정하지 않는 한 질문과 문서는 다른 AI 회사로 가지 않습니다.
현황
개발 중 · 단계 0 / 3 · 2026년 10월
작동 방식
애니메이션: 목표로 하는 작동 방식입니다. 모델은 아직 개발 중입니다.
호텔
전기
BALASAGUN이란?
BALASAGUN은 우리가 지금 전기 엔지니어링과 호텔 경영 분야로 학습시키고 있는 자체 AI 언어 모델입니다. 처음부터 학습시키지 않습니다. 오픈 소스 언어 모델을 우리의 엔지니어링 노하우로 필요한 업종에 맞게 학습시킨 뒤 서비스에 투입해 운영합니다. 덕분에 값비싼 언어 모델을 쓰는 대신 우리 자체 언어 모델로 솔루션을 만듭니다. 또한 귀사를 위해 개발하는 귀사만의 LLM을 귀사가 원하는 다른 LLM과 하이브리드로 함께 작동하도록 구성할 수도 있습니다.
투숙객 문의, 시설 관리, 에너지와 유지보수 관리, 직원 업무. 호텔 고유의 규칙과 가격은 질문마다 호텔 문서에서 읽습니다.
전기설비, 접지, 강전설비에 관한 튀르키예 규정. 전압 강하, 수요 전력, 물량 조사와 수량 산출 계산.
물량 조사 소프트웨어 Elektrik GPT, 이 사이트의 도우미 Leyla, ARI 에너지 모니터링이 BALASAGUN을 가장 먼저 사용할 제품입니다.
우리의 방식
모든 모델은 같은 다섯 단계를 거칩니다. BALASAGUN도 이 방식으로 학습시키고 있으며, 귀사의 모델도 같은 방식으로 구축합니다.
만드는 과정
우리의 약속
모델은 귀사의 자체 서버나 귀사 전용 임대 GPU에서 학습하고 실행됩니다. 개인정보를 처리할 모델에는 자체 서버를 권장합니다. 다른 AI 회사의 클라우드 모델로 요청을 보내는 일은 귀사가 선택한 작업에 한해, 원하실 때만 이루어집니다.
기반 모델은 항상 상업적 이용이 가능한 라이선스(Apache 2.0 / MIT)입니다. 모든 학습 기록에는 출처와 라이선스 메모가 남으며, 명령 하나로 학습에서 제외할 수 있습니다.
가격, 조항 번호, 정책처럼 바뀌는 정보는 모델에 암기시키지 않고, 질문할 때마다 문서에서 읽습니다. 정보가 바뀌어도 모델을 다시 학습시킬 필요가 없습니다.
모든 버전은 우리 테스트 세트에서 기반 모델과 비교하며, 기반 모델을 넘지 못한 버전은 사용하지 않습니다. BALASAGUN 첫 버전의 목표는 전체 점수 10점 이상 향상, 그리고 어떤 영역에서도 2점 넘게 하락하지 않는 것입니다.
현재 위치
첫 버전은 아직 학습되지 않았습니다. 진행에 따라 이 섹션을 업데이트합니다.
0현재
테스트 세트와 기반 모델 비교 평가
1
데이터 파이프라인
2
첫 버전 학습(v0.1)
3
서비스 제공과 연동
v1
확장 버전
학습 인프라
지금까지 한 일을 실제 기록과 함께 보여 드립니다. 기반 모델 비교 평가와 첫 LoRA 시험 학습입니다. 본 학습은 다음 단계이며, 여기서는 실제로 일어난 일을 그대로 보여 드립니다.
다섯 개의 오픈 소스 모델이 우리 테스트 세트의 50문항(전기 25, 호텔 25)으로 겨루었고, 오픈 웨이트 심사 모델이 답변을 채점했습니다. 선정된 기반 모델은 Qwen3.6-35B-A3B입니다. 전기 분야 1위이고, 라이선스는 Apache-2.0이며, 두 분야 어댑터를 GPU 한 대에서 함께 서비스하기에 적합합니다.
| 모델 | 합계 | 전기 | 호텔 |
|---|---|---|---|
| google/gemma-4-26B-A4B-it | 87.2 | 76.0 | 98.4 |
| Qwen/Qwen3.6-35B-A3B선정 | 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 |
100점 만점 · 심사: Qwen3.8-27B · 2026년 10월 19일
본 학습에 앞서 전체 구성을 처음부터 끝까지 시험했습니다. 같은 기반 모델 위에서 LoRA 어댑터 두 개(전기, 호텔)를 각각 20스텝씩 학습시켰습니다. 학습은 정상적으로 진행되었지만, 이어지는 vLLM 서비스 단계는 이번 시험에서 비정상 종료되었으며 현재 수정 중입니다.
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 dk시각은 UTC 기준입니다. 각 줄은 우리 학습 스크립트가 직접 남긴 로그입니다.
Qwen3.6-35B-A3B
기반 모델(Apache-2.0)
PyTorch + Hugging Face Transformers
모델 로딩과 학습
PEFT (LoRA)
분야별 어댑터(전기, 호텔)
vLLM 0.31.0
평가와 서비스(OpenAI 호환 엔드포인트)
RunPod GPU 파드
임대 A100 80 GB 및 RTX A6000 48 GB 서버
Hugging Face Hub
모델과 어댑터를 위한 비공개 저장소
Python 3.12 + uv
데이터 파이프라인, 테스트 세트, 채점기
비용 감시기 + Oracle 정리기
작업이 끝나면 pod가 꺼지고, 잊힌 pod는 1.5시간 뒤 삭제됩니다
전문가가 검증한 데이터로 80–96 GB GPU(A100 80 GB 또는 RTX PRO 6000 96 GB)에서 bf16 LoRA 학습을 진행합니다. 각 어댑터는 해당 분야의 테스트 세트로 측정하며, 기반 모델을 넘지 못한 버전은 운영에 투입하지 않습니다.
귀사의 업종을 위해
우리가 BALASAGUN을 직접 만든 것처럼, 귀사의 업종을 위한 자체 언어 모델도 구축하고 학습시킵니다. 귀사의 자체 서버에서도, 임대 GPU에서도 가능합니다.
환자 안내, 진료 지침과 의약품 가이드 검색. 환자 데이터는 병원 서버에 남습니다.
사건 기록 보관소와 판례 검색, 서면 초안. 의뢰인 파일은 사무소 안에 남습니다.
청구서 판독, 법규 질의, 거래처 원장 요약. 재무 기록은 회사 서버에 남습니다.
기계 매뉴얼, 유지보수 기록, 고장 진단. 생산 데이터는 공장 안에 남습니다.
현장 보고서, 고장 기록, 설비 문서. 전력망과 설비 데이터는 귀사에 남습니다.
민원 답변, 법규 검색. 개인정보는 기관 서버에 남습니다.
강의 콘텐츠와 기관 내부 지식 도우미. 학생 데이터는 학교 안에 남습니다.
상품 카탈로그, 고객 서비스, 반품 규정. 고객 데이터는 귀사에 남습니다.
귀사의 업종이 목록에 없나요? 연락 주세요. 먼저 귀사의 업무와 데이터에 대해 이야기하겠습니다.견적 요청
함께 일하는 방식
기간과 비용은 귀사의 업무와 데이터에 따라 달라집니다. 사전 상담 후 서면 견적을 드립니다.
귀사의 업무, 데이터, 개인정보 보호 요구 사항을 함께 논의합니다.
어떤 문서와 기록을 사용할지 정리하고, 귀사의 실제 질문으로 테스트 세트를 만듭니다.
후보 기반 모델을 서로 겨루게 하고, 가장 앞선 모델을 미세 조정으로 맞춘 뒤, 측정 보고서를 드립니다.
모델을 귀사의 자체 서버나 귀사 전용 임대 GPU에 설치하고 귀사의 시스템에 연결합니다.
새 문서와 질문으로 모델을 업데이트하고, 버전마다 다시 측정합니다.
견적 요청
업무와 보유한 데이터를 간단히 적어 주세요. 사전 상담 일정을 잡기 위해 연락드리겠습니다.