Initial release: Omni-31B Turkish Reasoning Model v1

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text

README.md

@@ -0,0 +1,301 @@
+---
+license: gemma
+language:
+- tr
+base_model: google/gemma-4-31B
+tags:
+- turkish
+- türkçe
+- chain-of-thought
+- reasoning
+- cot
+- gemma-4
+- text-generation
+- fine-tuned
+library_name: transformers
+pipeline_tag: text-generation
+model-index:
+- name: Omni-31B-Turkish-Reasoning-Model
+  results: []
+---
+
+Omni-31B Turkish Reasoning Model
+Omni Türkçe Chain-of-Thought reasoning model özeti
+
+Model Açıklaması
+Omni-31B, Türkçe muhakeme, açıklayıcı analiz, çok adımlı problem çözme ve genel bilgi alanlarında adım adım düşünme yetkinliği için fine-tune edilmiş bir Gemma 4 tabanlı modeldir.
+
+Bu model, Gemma 4 31B base model üzerine 249K filtrelenmiş Türkçe Chain-of-Thought (CoT) verisi ile full fine-tune edilmiştir. Eğitim, `<think>` blokları içinde görünür adım adım reasoning üretecek şekilde tasarlanmıştır.
+
+Model, Türkçe kullanıcıların açıklayıcı sorularını yapılandırılmış şekilde yanıtlaması, çok aşamalı muhakeme gerektiren konuları parçalara ayırması ve uzun-form analiz üretmesi için optimize edilmiştir.
+
+Türk yapay zeka topluluğuna faydalı olması dileğiyle. 🇹🇷
+
+Önemli: Bu model araştırma ve eğitim amaçlıdır. Üretilen içerik nihai karar mekanizması olarak kullanılmamalı; profesyonel görüş gerektiren konularda (hukuk, sağlık, finans, mühendislik) lisanslı uzmanlara başvurulmalıdır.
+
+Temel Yetenekler
+- Türkçe Chain-of-Thought reasoning: `<think>` blokları içinde adım adım düşünme, plan kurma, ara doğrulama ve yapılandırılmış cevap üretme.
+- Açıklayıcı analiz: Bilim, tarih, edebiyat, felsefe ve genel kültür konularında uzun-form Türkçe açıklama.
+- Çok adımlı muhakeme: Karmaşık soruları parçalara ayırarak adım adım yanıtlama.
+- Türkçe akıcılığı: Pre-training'den gelen Gemma 4 dil yeteneğinin Türkçe reasoning görevlerine uyarlanması.
+- Format disiplini: `<think>...</think>` reasoning bloğu sonrası kullanıcıya yönelik temiz cevap üretimi.
+
+Model Detayları
+| Özellik | Değer |
+|---|---|
+| Model adı | bugrabilge/Omni-31B-Turkish-Reasoning-Model |
+| Base model | google/gemma-4-31B |
+| Mimari | Dense Causal LM, text-only deployment |
+| Parametre | 31B |
+| Fine-tuning yöntemi | Full Supervised Fine-Tuning (16-bit weights) |
+| Eğitim dili | Türkçe |
+| Uzmanlaşma | Türkçe Chain-of-Thought reasoning |
+| Max training sequence length | 8192 token |
+| Deployment mode | text_only |
+
+Eğitim Özeti
+| Metrik | Değer |
+|---|---|
+| Eğitim verisi | 249,292 Türkçe CoT örneği |
+| Veri kaynağı | ~30GB ham Türkçe CoT veriden kural-bazlı pipeline ile filtrelenmiş |
+| Framework | HuggingFace Transformers + DeepSpeed ZeRO-3 |
+| Effective batch size | 128 (1 × 16 grad_accum × 8 GPU) |
+| Epoch | 1 |
+| Precision | bfloat16 |
+| Attention | SDPA |
+| Label masking | Assistant-only training hedefi |
+| Thinking davranışı | `<think>...</think>` bloğu ile görünür reasoning |
+| Ortalama cevap uzunluğu | ~5,000-7,000 token (uzun-form akademik stil) |
+
+Önerilen Kullanım Alanları
+- Türkçe eğitim asistanı (açıklayıcı içerik)
+- Bilim, tarih, edebiyat konularında uzun-form analiz
+- Çok adımlı muhakeme gerektiren soru-cevap
+- Akademik tarzda Türkçe içerik üretimi ve taslak hazırlama
+- Türkçe reasoning üzerine araştırma
+
+Kullanım
+
+Kurulum
+```bash
+pip install "transformers>=4.50.0" "torch>=2.4.0" accelerate safetensors sentencepiece
+```
+
+> **Not:** Model `chat_template.jinja` formatı kullanır (Transformers 4.50+ convention). Daha eski versiyonlarda chat template doğru yüklenmeyebilir.
+
+Transformers ile örnek
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+import torch
+
+model_id = "bugrabilge/Omni-31B-Turkish-Reasoning-Model"
+
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+
+model = AutoModelForCausalLM.from_pretrained(
+    model_id,
+    torch_dtype=torch.bfloat16,
+    device_map="auto",
+)
+
+messages = [
+    {
+        "role": "system",
+        "content": (
+            "Sen adım adım düşünen bir Türkçe asistansın. "
+            "Cevap vermeden önce <think> bloğunda muhakemeni yap, "
+            "ardından kullanıcıya net bir cevap ver."
+        ),
+    },
+    {
+        "role": "user",
+        "content": "Fotosentez sürecini adım adım açıkla ve neden hayat için kritik olduğunu belirt.",
+    },
+]
+
+text = tokenizer.apply_chat_template(
+    messages,
+    tokenize=False,
+    add_generation_prompt=True,
+)
+
+inputs = tokenizer([text], return_tensors="pt").to(model.device)
+
+outputs = model.generate(
+    **inputs,
+    max_new_tokens=7168,
+    min_new_tokens=80,
+    temperature=0.7,
+    top_p=0.9,
+    do_sample=True,
+    eos_token_id=[1, 106],
+)
+
+print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=False))
+```
+
+vLLM ile deploy
+```bash
+vllm serve bugrabilge/Omni-31B-Turkish-Reasoning-Model \
+  --tensor-parallel-size 8 \
+  --dtype bfloat16 \
+  --max-model-len 8192 \
+  --gpu-memory-utilization 0.90 \
+  --limit-mm-per-prompt '{"image":0,"audio":0}' \
+  --port 8000
+```
+
+Önerilen Sampling Parametreleri
+
+Model uzun-form (5K-7K token) cevap üretecek şekilde eğitilmiştir. Güvenilir çalışma için aşağıdaki parametrelerin kullanılması önerilir.
+
+**vLLM / OpenAI-uyumlu API için:**
+
+```python
+sampling_params = {
+    "temperature": 0.7,
+    "top_p": 0.9,
+    "min_tokens": 80,
+    "max_tokens": 7168,
+    "stop": ["<turn|>", "<think>", "```\n```"]
+}
+```
+
+| Parametre | Değer | Sebep |
+|---|---|---|
+| `max_tokens` | 7168 | Eğitim verisi cevap dağılımının üst sınırına yakın; modelin natural EOS üretmesi için yeterli alan |
+| `min_tokens` | 80 | Erken stop'u önler, modelin `<think>` bloğunu tamamlamasına imkan tanır |
+| `stop` | 3'lü liste | `<turn|>` natural EOS; `<think>` ve markdown fence olası degenerate pattern'leri keser |
+| `temperature` | 0.7 | Eğitim distribusyonuna sadık, degenerate loop riskini azaltır |
+
+**Transformers (`model.generate`) için:**
+
+```python
+generation_kwargs = {
+    "temperature": 0.7,
+    "top_p": 0.9,
+    "min_new_tokens": 80,
+    "max_new_tokens": 7168,
+    "do_sample": True,
+    "eos_token_id": [1, 106],
+}
+```
+
+> **Not:** Transformers ve vLLM parametre adlandırması farklıdır:
+> - Transformers: `min_new_tokens`, `max_new_tokens`
+> - vLLM: `min_tokens`, `max_tokens`
+> Anlamları aynıdır (sadece üretilecek yeni token sayısı, prompt hariç).
+
+vLLM API çağrısı örneği:
+```bash
+curl http://localhost:8000/v1/chat/completions \
+  -H "Content-Type: application/json" \
+  -d '{
+    "model": "bugrabilge/Omni-31B-Turkish-Reasoning-Model",
+    "messages": [
+      {"role": "system", "content": "Sen adım adım düşünen bir Türkçe asistansın."},
+      {"role": "user", "content": "..."}
+    ],
+    "max_tokens": 7168,
+    "min_tokens": 80,
+    "temperature": 0.7,
+    "top_p": 0.9,
+    "stop": ["<turn|>", "<think>", "```\n```"]
+  }'
+```
+
+Önerilen Sistem Talimatı
+```
+Sen Türkçe konuşan, adım adım düşünen bir yapay zeka asistanısın.
+
+Çalışma şeklin:
+- Cevap vermeden önce <think> bloğunda muhakemeni adım adım yap.
+- Düşünme aşamasında soruyu parçalara ayır, varsayımlarını netleştir, 
+  ara sonuçları doğrula.
+- </think> sonrası kullanıcıya net, yapılandırılmış ve gereksiz tekrar 
+  içermeyen bir cevap ver.
+- Emin olmadığın bilgilerde belirsizliği açıkça belirt.
+- Türkçe açıkla; teknik terimler gerektiğinde parantez içinde 
+  orijinal formuyla koru.
+```
+
+Çıktı Formatı
+Model cevaplarını `<think>...</think>` bloğu ile başlatır, ardından kullanıcıya yönelik nihai cevabını verir:
+
+```
+<think>
+Soruyu analiz ediyorum. Fotosentez bitkilerin güneş ışığı, su ve karbondioksiti 
+kullanarak glikoz ve oksijen ürettiği biyokimyasal süreçtir...
+</think>
+
+Fotosentez, yaşamın temel taşlarından biridir. Süreç şu aşamalardan oluşur:
+...
+```
+
+Token Budget Hesabı
+Toplam context bütçesi: **prompt + completion ≤ 8192 token**.
+
+Eğer prompt'unuz uzunsa `max_tokens` değerini dinamik olarak hesaplayın:
+
+```python
+# Önce mesajları render et
+text = tokenizer.apply_chat_template(
+    messages,
+    tokenize=False,
+    add_generation_prompt=True,
+)
+prompt_tokens = len(tokenizer.encode(text))
+available = 8192 - prompt_tokens - 50  # 50 token safety margin
+max_tokens = min(available, 7168)
+```
+
+Quantization
+
+Topluluk tarafından oluşturulacak quantized versiyonlar (GGUF, AWQ, GPTQ) için bu repo'yu base olarak kullanabilirsiniz. Quantize edilmiş versiyonlar yayınlanırsa bu bölüm güncellenecektir.
+
+Bilinen Teknik Sınırlamalar
+
+1. **Uzun-form eğitim verisi:** Model eğitim verisi ortalama 5K-7K token cevap içerir, 
+   bu nedenle akademik/açıklayıcı stilde uzun cevaplar üretmeye eğilimlidir. Kısa 
+   ve net cevap istendiğinde sistem promptunda explicit belirtilmelidir.
+
+2. **Format varyasyonu:** Bazı cevaplarda model önce düz metin, ardından markdown 
+   yapılandırılmış versiyon üretebilir. Bu eğitim verisi karakteristiğidir.
+
+3. **`<think>` tetikleme:** Uzun ve açıklayıcı sorularda `<think>` bloğu güvenilir 
+   şekilde tetiklenir. Daha tutarlı `<think>` davranışı için sistem promptunda 
+   explicit talep edilmelidir.
+
+4. **Yetersiz `max_tokens` riski:** `max_tokens` değeri 7000'in altında ayarlanırsa 
+   model cevabını tamamlayamayabilir ve generation pattern'lerine girebilir. Önerilen 
+   stop sequence'leri ile bu durum güvenli şekilde yönetilir.
+
+5. **Multimodal değil:** Sadece text generation desteklenir; mimari image/audio 
+   destekliyor ancak eğitim text-only yapıldı.
+
+Risk Uyarısı ve Kullanım Sınırları
+- Model gerçek zamanlı bilgiye bağlı değildir; güncel olay, fiyat, mevzuat veya istatistik gerektiren sorularda resmi kaynak kontrolü gerekir.
+- Üretilen yanıtlar profesyonel danışmanlık (hukuk, sağlık, finans, mühendislik) yerine geçmez.
+- Model factual hata üretebilir; kritik kullanımlarda çıktıların doğrulanması gerekir.
+- Model cevapları nihai karar mekanizması olarak kullanılmamalıdır.
+
+Citation
+Bu modeli kullanırsanız aşağıdaki şekilde atıfta bulunabilirsiniz:
+
+```bibtex
+@model{Omni31B,
+  author = {Buğra Bilge Çelik},
+  title = {Omni-31B: A Fine-tuned Gemma 4 31B Model for Turkish Chain-of-Thought Reasoning},
+  year = {2026},
+  publisher = {Hugging Face},
+  url = {https://huggingface.co/bugrabilge/Omni-31B-Turkish-Reasoning-Model}
+}
+```
+
+İletişim
+- Hugging Face: [@bugrabilge](https://huggingface.co/bugrabilge)
+- LinkedIn: [bugrabilgecelik](https://www.linkedin.com/in/bugrabilgecelik/)
+- GitHub: [bugrabilge](https://github.com/bugrabilge)
+- E-posta: bugrabilgee@gmail.com
+
+Disclaimer: Bu model araştırma, eğitim ve genel bilgilendirme amaçlıdır. Modelin çıktıları profesyonel danışmanlık değildir ve model çıktılarına dayanarak alınan kararlardan model geliştiricisi sorumlu tutulamaz.

chat_template.jinja

@@ -0,0 +1,11 @@
+{%- for message in messages -%}
+{%- if message['role'] == 'system' %}<|turn>system
+{{ message['content'] }}<turn|>
+{% elif message['role'] == 'user' %}<|turn>user
+{{ message['content'] }}<turn|>
+{% elif message['role'] == 'assistant' %}<|turn>model
+{{ message['content'] }}<turn|>
+{% endif -%}
+{%- endfor -%}
+{%- if add_generation_prompt %}<|turn>model
+{% endif -%}

config.json

@@ -0,0 +1,175 @@
+{
+  "architectures": [
+    "Gemma4ForConditionalGeneration"
+  ],
+  "audio_config": null,
+  "audio_token_id": 258881,
+  "boa_token_id": 256000,
+  "boi_token_id": 255999,
+  "dtype": "bfloat16",
+  "eoa_token_id": 258883,
+  "eoa_token_index": 258883,
+  "eoi_token_id": 258882,
+  "image_token_id": 258880,
+  "initializer_range": 0.02,
+  "model_type": "gemma4",
+  "pad_token_id": 0,
+  "text_config": {
+    "attention_bias": false,
+    "attention_dropout": 0.0,
+    "attention_k_eq_v": true,
+    "bos_token_id": 2,
+    "dtype": "bfloat16",
+    "enable_moe_block": false,
+    "eos_token_id": 1,
+    "expert_intermediate_size": null,
+    "final_logit_softcapping": 30.0,
+    "global_head_dim": 512,
+    "head_dim": 256,
+    "hidden_activation": "gelu_pytorch_tanh",
+    "hidden_size": 5376,
+    "hidden_size_per_layer_input": 0,
+    "initializer_range": 0.02,
+    "intermediate_size": 21504,
+    "layer_types": [
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "sliding_attention",
+      "full_attention"
+    ],
+    "max_position_embeddings": 262144,
+    "model_type": "gemma4_text",
+    "moe_intermediate_size": null,
+    "num_attention_heads": 32,
+    "num_experts": null,
+    "num_global_key_value_heads": 4,
+    "num_hidden_layers": 60,
+    "num_key_value_heads": 16,
+    "num_kv_shared_layers": 0,
+    "pad_token_id": 0,
+    "rms_norm_eps": 1e-06,
+    "rope_parameters": {
+      "full_attention": {
+        "partial_rotary_factor": 0.25,
+        "rope_theta": 1000000.0,
+        "rope_type": "proportional"
+      },
+      "sliding_attention": {
+        "rope_theta": 10000.0,
+        "rope_type": "default"
+      }
+    },
+    "sliding_window": 1024,
+    "tie_word_embeddings": true,
+    "top_k_experts": null,
+    "use_bidirectional_attention": "vision",
+    "use_cache": true,
+    "use_double_wide_mlp": false,
+    "vocab_size": 262144,
+    "vocab_size_per_layer_input": 262144
+  },
+  "tie_word_embeddings": true,
+  "transformers_version": "5.5.0",
+  "use_cache": false,
+  "video_token_id": 258884,
+  "vision_config": {
+    "_name_or_path": "",
+    "architectures": null,
+    "attention_bias": false,
+    "attention_dropout": 0.0,
+    "chunk_size_feed_forward": 0,
+    "default_output_length": 280,
+    "dtype": "bfloat16",
+    "global_head_dim": 72,
+    "head_dim": 72,
+    "hidden_activation": "gelu_pytorch_tanh",
+    "hidden_size": 1152,
+    "id2label": {
+      "0": "LABEL_0",
+      "1": "LABEL_1"
+    },
+    "initializer_range": 0.02,
+    "intermediate_size": 4304,
+    "is_encoder_decoder": false,
+    "label2id": {
+      "LABEL_0": 0,
+      "LABEL_1": 1
+    },
+    "max_position_embeddings": 131072,
+    "model_type": "gemma4_vision",
+    "num_attention_heads": 16,
+    "num_hidden_layers": 27,
+    "num_key_value_heads": 16,
+    "output_attentions": false,
+    "output_hidden_states": false,
+    "patch_size": 16,
+    "pooling_kernel_size": 3,
+    "position_embedding_size": 10240,
+    "problem_type": null,
+    "return_dict": true,
+    "rms_norm_eps": 1e-06,
+    "rope_parameters": {
+      "rope_theta": 100.0,
+      "rope_type": "default"
+    },
+    "standardize": true,
+    "use_clipped_linears": false
+  },
+  "vision_soft_tokens_per_image": 280
+}

generation_config.json

@@ -0,0 +1,13 @@
+{
+  "bos_token_id": 2,
+  "do_sample": true,
+  "eos_token_id": [
+    1,
+    106
+  ],
+  "pad_token_id": 0,
+  "temperature": 1.0,
+  "top_k": 64,
+  "top_p": 0.95,
+  "transformers_version": "5.5.0"
+}

model-00001-of-00002.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1dd1e17063318be65eab9da8b6dfb7c3c0657a0740eba0dd263fe834034a6f84
+size 49923154850

model-00002-of-00002.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:61970f7652225b099cb5f7812ddf2bc93ab0c1bd7cd3a5481c8551b16f3ec7bc
+size 12623183414

processor_config.json

@@ -0,0 +1,75 @@
+{
+  "audio_ms_per_token": 40,
+  "audio_seq_length": 750,
+  "feature_extractor": {
+    "dither": 0.0,
+    "feature_extractor_type": "Gemma4AudioFeatureExtractor",
+    "feature_size": 128,
+    "fft_length": 512,
+    "fft_overdrive": false,
+    "frame_length": 320,
+    "hop_length": 160,
+    "input_scale_factor": 1.0,
+    "max_frequency": 8000.0,
+    "mel_floor": 0.001,
+    "min_frequency": 0.0,
+    "padding_side": "right",
+    "padding_value": 0.0,
+    "per_bin_mean": null,
+    "per_bin_stddev": null,
+    "preemphasis": 0.0,
+    "preemphasis_htk_flavor": true,
+    "return_attention_mask": true,
+    "sampling_rate": 16000
+  },
+  "image_processor": {
+    "do_convert_rgb": true,
+    "do_normalize": false,
+    "do_rescale": true,
+    "do_resize": true,
+    "image_mean": [
+      0.0,
+      0.0,
+      0.0
+    ],
+    "image_processor_type": "Gemma4ImageProcessor",
+    "image_seq_length": 280,
+    "image_std": [
+      1.0,
+      1.0,
+      1.0
+    ],
+    "max_soft_tokens": 280,
+    "patch_size": 16,
+    "pooling_kernel_size": 3,
+    "resample": 3,
+    "rescale_factor": 0.00392156862745098
+  },
+  "image_seq_length": 280,
+  "processor_class": "Gemma4Processor",
+  "video_processor": {
+    "do_convert_rgb": true,
+    "do_normalize": true,
+    "do_rescale": true,
+    "do_resize": true,
+    "do_sample_frames": true,
+    "image_mean": [
+      0.0,
+      0.0,
+      0.0
+    ],
+    "image_std": [
+      1.0,
+      1.0,
+      1.0
+    ],
+    "max_soft_tokens": 70,
+    "num_frames": 32,
+    "patch_size": 16,
+    "pooling_kernel_size": 3,
+    "resample": 3,
+    "rescale_factor": 0.00392156862745098,
+    "return_metadata": false,
+    "video_processor_type": "Gemma4VideoProcessor"
+  }
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9ef315a49d437f8c1f649a1438dc74245710a37b265c20ed6814766a7c171fa7
+size 32170324

tokenizer_config.json

@@ -0,0 +1,60 @@
+{
+  "audio_token": "<|audio|>",
+  "backend": "tokenizers",
+  "boa_token": "<|audio>",
+  "boi_token": "<|image>",
+  "bos_token": "<bos>",
+  "eoa_token": "<audio|>",
+  "eoc_token": "<channel|>",
+  "eoi_token": "<image|>",
+  "eos_token": "<eos>",
+  "eot_token": "<turn|>",
+  "escape_token": "<|\"|>",
+  "etc_token": "<tool_call|>",
+  "etd_token": "<tool|>",
+  "etr_token": "<tool_response|>",
+  "extra_special_tokens": [
+    "<|video|>"
+  ],
+  "image_token": "<|image|>",
+  "is_local": true,
+  "mask_token": "<mask>",
+  "max_length": 8192,
+  "model_max_length": 1000000000000000019884624838656,
+  "model_specific_special_tokens": {
+    "audio_token": "<|audio|>",
+    "boa_token": "<|audio>",
+    "boi_token": "<|image>",
+    "eoa_token": "<audio|>",
+    "eoc_token": "<channel|>",
+    "eoi_token": "<image|>",
+    "eot_token": "<turn|>",
+    "escape_token": "<|\"|>",
+    "etc_token": "<tool_call|>",
+    "etd_token": "<tool|>",
+    "etr_token": "<tool_response|>",
+    "image_token": "<|image|>",
+    "soc_token": "<|channel>",
+    "sot_token": "<|turn>",
+    "stc_token": "<|tool_call>",
+    "std_token": "<|tool>",
+    "str_token": "<|tool_response>",
+    "think_token": "<|think|>"
+  },
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "processor_class": "Gemma4Processor",
+  "soc_token": "<|channel>",
+  "sot_token": "<|turn>",
+  "stc_token": "<|tool_call>",
+  "std_token": "<|tool>",
+  "str_token": "<|tool_response>",
+  "stride": 0,
+  "think_token": "<|think|>",
+  "tokenizer_class": "GemmaTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}