license: apache-2.0
language:
- sr
- hr
- bs
- mk
- sl
- sq
- cnr
- bg
- el
- tr
- ro
- hu
base_model: Qwen/Qwen3-8B
library_name: transformers
tags:
- balkan
- southeast-europe
- multilingual
- honest-ai
- sovasoft
- rag
🌐 EN · 🇷🇸 SR · 🇭🇷 HR · 🇧🇦 BS · 🇲🇰 MK · 🇸🇮 SL · 🇦🇱 SQ · 🇲🇪 CNR · 🇧🇬 BG · 🇬🇷 EL · 🇹🇷 TR · 🇷🇴 RO · 🇭🇺 HU
Zora v1.13 — otvoreni, iskreni LLM za Balkan i Jugoistočnu Evropu
зора = "zora". Jedna da ih sve ujedini. — Sovasoft (ai.in.rs)
1 · Šta je Zora
Zora je otvoreni jezički model s 8 milijardi parametara (zasnovan na Qwen3-8B) za 12 jezika Balkana i Jugoistočne Evrope: srpski, hrvatski, bosanski, makedonski, slovenački, albanski, crnogorski, bugarski, grčki, turski, rumunski, mađarski.
Zora nije napravljena da bude najveći model — napravljena je da bude iskrena, na maternjem jeziku i višeperspektivna:
- razmišlja na ciljnom jeziku umjesto preko engleskog,
- pokazuje više perspektiva o spornim temama umjesto jednog nacionalnog gledišta,
- i iznad svega: priznaje kada ne zna umjesto da izmišlja činjenice.
2 · Priča o razvoju (v1.0 → v1.1 → v1.11 → v1.12 → v1.13)
| Verzija | Jezici | BalkanBench | Stanje |
|---|---|---|---|
| v1.0 | 6 | — | prvo javno izdanje |
| v1.1 | 12 | — | treniran od nule — ali izmišljao je činjenice (izmišljao naslove knjiga, pogrešne autore). Nikad nije objavljen. |
| v1.11 | 12 | 84/156 | iskreni popravak: kaže "Ne znam", pretražuje kada nije siguran. #1 balkanski model. |
| v1.12 | 12 | 85/156 | popravak dubine: bolje pozivanje alata, strukturisani IDK, razmišljanje na maternjem jeziku, RAG integracija. |
| v1.13 | 12 | 102/156 | proboj u analizi: kritička analiza, napredna logika i ocjenjivačka evaluacija skaču na nove visine, iako je činjenična detaljnost opala. |
v1.1 nas je naučio ključnu lekciju — mali model ne može zapamtiti svaku činjenicu, pa umjesto da to fingira, v1.11 je ponovo treniran da bude iskren. v1.12 je na tome gradila s dubljim treningom i RAG-om. v1.13 gura vještine zaključivanja i analize dalje, žrtvujući nešto činjenične detaljnosti za dobitak u logici.
3 · Šta je novo u v1.13
Poticaj analize i zaključivanja
Nove snage u v1.13:
- ANALYSIS 0/12 → 12/12 — najveći pojedinačni dobitak. Zora sada može kritički ocjenjivati argumente, otkrivati pristrasnost na svih 12 jezika.
- LOGIC2 0/12 → 7/12 — napredni višekoračni lanci zaključivanja sada rade na 7 jezika.
- GRADED 0/12 → 3/12 — djelimičan napredak u esejima, procjenama i rubrikama.
- LOGIC 0/12 → 3/12 — formalna logika i silogizmi poboljšani na nekim jezicima.
Iskreni kompromisi:
- DETAIL 10/12 → 2/12 — značajna regresija. Trening koji je otključao analizu smanjio je dubinu opširnih odgovora. Ovo prijavljujemo transparentno; to je najjasnija slabost v1.13.
- SEARCH 7/12 → 5/12 — manji pad u brzom činjeničnom pretraživanju.
- FACT 0/12 → 1/12 — marginalno poboljšanje u činjeničnom pamćenju, i dalje ograničeno kapacitetom.
- HALLU ostaje na 10/12 (vidi dubinsku analizu u nastavku).
Trening v1.13 prebalansirao je SFT mješavinu prema zaključivanju, analizi i ocjenjivačkoj evaluaciji. To je podiglo gornju granicu tabele za +17 poena (85 → 102) uz trošak dubine na osi DETAIL i nešto brzine na SEARCH. To je svjestan, dokumentovan kompromis — nije besplatna pobjeda.
4 · Benchmark (BalkanBench, 13 osi × 12 jezika)
🔬 BalkanBench je otvoren — testirajte bilo koji model sami: https://github.com/olivilo/balkanbench Determinističko bodovanje (skripta / jezik / ključne riječi / brojevi).
Poređenje po osama (v1.12 → v1.13)
| Osa | v1.12 | v1.13 | Δ | Šta se promijenilo |
|---|---|---|---|---|
| FACT | 0/12 | 1/12 | ↑1 | Ograničenje kapaciteta 8B; blago poboljšanje, i dalje malo |
| HALLU | 10/12 | 10/12 | = | Stabilan; kvalitet odbijanja na maternjem jeziku ostaje visok (vidi dubinsku analizu) |
| DETAIL | 10/12 | 2/12 | ↓8 | Regresija — iskreni trošak poticaja zaključivanja v1.13 |
| GRADED | 0/12 | 3/12 | ↑3 | Novo: eseji, procjene, rubrike sada ponekad rade |
| TEACH | 12/12 | 12/12 | = | Savršeno — ostaje osnovna snaga |
| REASON | 11/12 | 11/12 | = | Snažno aritmetičko zaključivanje ostaje |
| LOGIC | 0/12 | 3/12 | ↑3 | Formalna logika / silogizmi poboljšani na nekim jezicima |
| LOGIC2 | 0/12 | 7/12 | ↑6 | Višekoračni lanci zaključivanja sada rade na 7 jezika |
| ANALYSIS | 0/12 | 12/12 | ↑12 | Najveći dobitak: kritička analiza, otkrivanje pristrasnosti na svih 12 jezika |
| INSTRUCT | 11/12 | 12/12 | ↑1 | Oporavljeno do savršenog praćenja instrukcija |
| LONGFORM | 12/12 | 12/12 | = | Savršeno — ostaje osnovna snaga |
| SEARCH | 7/12 | 5/12 | ↓2 | Mala regresija u brzom činjeničnom pretraživanju |
| TOOLBASE | 12/12 | 12/12 | = | Savršeno: odgovara na osnovno bez pozivanja alata |
| UKUPNO | 85/156 | 102/156 | +17 | Dobici u analizi + logici nadmašuju trošak na DETAIL/SEARCH |
Bodovi po jezicima
| Jezik | v1.12 | v1.13 | Δ |
|---|---|---|---|
| bg (bugarski) | 8/13 | 8/13 | = |
| bs (bosanski) | 8/13 | 10/13 | +2 |
| cnr (crnogorski) | 8/13 | 8/13 | = |
| el (grčki) | 9/13 | 9/13 | = |
| hr (hrvatski) | 9/13 | 9/13 | = |
| hu (mađarski) | 8/13 | 7/13 | -1 |
| mk (makedonski) | 7/13 | 11/13 | +4 |
| ro (rumunski) | 8/13 | 9/13 | +1 |
| sl (slovenački) | 6/13 | 7/13 | +1 |
| sq (albanski) | 8/13 | 8/13 | = |
| sr (srpski) | 7/13 | 8/13 | +1 |
| tr (turski) | 7/13 | 8/13 | +1 |
Najveći dobitnik: makedonski (+4) — analitički trening najviše je podigao prethodno najmanje pokriveni jezik. Bosanski (+2) također jasno dobio. Mađarski je izgubio jedan poen.
Grafikoni
| Rangiranje | Evolucija | Matrica osa |
|---|---|---|
 |
 |
 |
| Delta (v1.12 → v1.13) | Šta svaka osa testira |
|---|---|
 |
 |
5 · Dubinska analiza: Zašto je HALLU ostao na 10/12
HALLU rezultat (10/12) ostao je nepromijenjen između v1.12 i v1.13. Ponašanje IDK-a samo po sebi ostaje snažno — model kaže "Ne znam" na strukturisan, jezički prirodan način umjesto da izmišlja činjenice. Zašto se onda nije pomaknuo i gdje je prava promjena?
Zašto se rezultat nije pomaknuo
1. HALLU je već blizu svog plafona za 8B model. Test pita: "Da li model izgovara jednu od riječi IDK markera kada ga pitate o izmišljenoj osobi?" Zora to radi tačno za 10 od 12 jezika. Posljednja 2 (makedonski, slovenački) imaju najmanje podataka za trening — 8B modelu jednostavno nedostaje kapacitet za te nedovoljno zastupljene jezike. Zanimljivo, makedonski je ukupno poboljšan (+4) zahvaljujući analitičkom treningu, ali specifični HALLU markeri i dalje ne rade na tom jeziku.
2. IDK trening poboljšao je KVALITET, ne REZULTAT. HALLU test BalkanBench-a binarna je da/ne provjera za IDK marker. Ono što se zapravo poboljšalo:
| Prije (v1.11) | Sada (v1.12 → v1.13) |
|---|---|
| Kratka, ponekad prekinuta odbijanja | Cijele, strukturisane rečenice odbijanja |
| Ponekad odgovarao na engleskom | Uvijek odgovara na jeziku pitanja |
| Nije davao obrazloženje | Objašnjava zašto ne može odgovoriti |
| "Ne znam." | "Nemam pouzdanih podataka o 'X'. Ne mogu potvrditi da postoji u pouzdanim izvorima, pa neću izmišljati." |
To je kvalitativni skok koji binarni rezultat ne može uhvatiti.
3. Pravi pomak je u ANALYSIS, ne u HALLU. Proboj v1.13 je na osi ANALYSIS (0/12 → 12/12): Zora sada kritički ocjenjuje argumente i otkriva pristrasnost na svih 12 jezika. Tu je trening zaključivanja pokazao najsnažniji, najdosljedniji učinak.
4. Iskreni trošak: DETAIL je regresirao. DETAIL je pao sa 10/12 na 2/12. Isti trening koji je otključao analizu učinio je odgovore sažetijima i manje opširnima. Ovo prijavljujemo transparentno — v1.13 mijenja dubinu detalja za sposobnost kritičke analize. Timovi koji trebaju dug, bogato detaljan tekst trebaju to odmjeriti naspram dobitaka u zaključivanju.
Šta bi pomaknulo HALLU na 12/12
| Pristup | Očekivani utjecaj | Napor |
|---|---|---|
| Veći model (v2 = 27B) | +1-2 jezika (mk, sl) | Visok (novi trening) |
| Više IDK primjera posebno za mk/sl | +0-1 jezika | Srednji (generiranje podataka) |
| RLHF s ljudskim povratnim informacijama o kvaliteti odbijanja | Bolji kvalitet (ne rezultat) | Visok (ljudska anotacija) |
| DPO (Direct Preference Optimization) | +1-2 jezika | Srednji (parovi preferencija) |
| Ponovno balansiranje kompromisa DETAIL naspram ANALYSIS | Povrat detalja uz nešto troška analize | Srednji (podešavanje mješavine podataka) |
Suština: 8B model je blizu svog plafona za HALLU. Pravi dobici u v2 (27B) doći će od više parametara, ne od više trikova treninga. Pobjeda v1.13 je analiza; njen dokumentovani trošak je detaljnost.
6 · RAG funkcija
Zora se integriše s RAG-om (Retrieval-Augmented Generation) — sistemom koji Zori omogućava pretraživanje lokalne baze znanja prije nego što odgovori.
Šta RAG daje Zori
- 87.284 blokova na 12 jezika: Wikidata, Wikipedia, Arhiva vijesti, Zakonodavstvo EU, Statistika
- Direktni endpoint: https://rag.ai.in.rs
- Samostalno hostovanje: Klonirajte cjevovod s https://github.com/olivilo/zora-v1.13
Kako funkcioniše
Kaskada alata: Zora prvo provjerava svoju RAG bazu znanja (lokalni dokumenti, zakoni, statistika), zatim prelazi na web pretragu ako je potrebno, i na kraju kaže "Ne znam" ako ništa ne pomaže.
Korisničko pitanje → RAG (lokalni dok.) → web_search (uživo) → IDK (iskreno odbijanje)
Zašto je ovo važno
- 8B modeli ne mogu zapamtiti sve — RAG daje Zori pristup aktuelnim, pouzdanim podacima bez ponovnog treninga
- Svaki odgovor nosi izvor + datum + licencu — potpuna transparentnost
- Samostalno hostovanje: svaka organizacija može pokrenuti vlastiti Zora RAG sa svojim dokumentima
7 · Detalji treninga
| Parametar | Vrijednost |
|---|---|
| Osnovni model | Qwen3-8B (Alibaba Cloud, Apache-2.0) |
| CPT koraka | 150 (ograničeno, ne cijela epoha) |
| SFT primjera | 9.379 (2 epohe) |
| MAXLEN | 8.192 (8× duže nego v1.11) |
| QLoRA | r=16, lora_alpha=16, 4bit |
| Sastav podataka | prebalansiran prema zaključivanju, analizi i ocjenjivačkoj evaluaciji |
| Infrastruktura | Modal A100-80GB, ukupno ~4h, ~$5-10 |
| Kvantizacije | Q5_K_M (5.4GB, preporučeno), Q6_K (6.7GB), Q8_0 (8.7GB) |
8 · Korištenje
Ollama (preporučeno):
ollama pull olivilo/zora:v1.13
ollama run olivilo/zora:v1.13
HuggingFace Transformers:
from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("sovasoft/zora-v1.13")
model = AutoModelForCausalLM.from_pretrained("sovasoft/zora-v1.13", device_map="auto")
GGUF (llama.cpp / Ollama ručno): Preuzmite Q5_K_M, Q6_K ili Q8_0 s HuggingFace. Izbjegavajte Q4 i niže — snažna kvantizacija uzrokovala je halucinacije modela u našim testovima.
9 · Ograničenja
- Kapacitet 8B: FACT ostaje strukturno slab — potrebno više parametara (v2 = 27B)
- Regresija DETAIL-a: Odgovori v1.13 manje su opširni nego v1.12 — poticaj analize koštao je dubine (2/12)
- Regresija SEARCH-a: Brzo činjenično pretraživanje blago opalo (5/12)
- Kvantizacija: koristite samo Q5_K_M / Q6_K / Q8_0. Q4 i niže narušavaju iskrenost.
- Manji jezici (mk, sl) i dalje imaju manje podataka za trening — očekujte manju dosljednost
- Nema znanja u stvarnom vremenu bez RAG/web-pretrage — memorija modela ima datum prekida
- Višekoračno zaključivanje poboljšano je, ali nije pouzdano — uvijek provjeravajte kritične izračune
10 · Transparentnost i ograničenja benchmarka
BalkanBench je vlastiti benchmark Sovasoft-a — dizajniran, izgrađen i ocijenjen od strane istog tima koji je napravio Zoru. To znači:
- Dizajnerska pristransost: 13 osa (FACT, HALLU, DETAIL itd.) izabrano je da istakne Zorine snage. Drugačiji dizajn benchmarka proizveo bi drugačija rangiranja.
- Pristransost bodovanja: Funkcije bodovanja u
matrix_ollama.pysu naše. Način na koji definišemo "tačno" može favorizirati Zorin profil treninga. - Nema poređenja s frontier modelima: Poređenje je samo s otvorenim modelima (7-32B). Frontier modeli (GPT-4, Claude, Gemini) bili bi bolji od Zore — ovaj benchmark dizajniran je da ocjenjuje unutar ekosistema otvorenih balkanskih modela.
- Pristransost odabira: Uključujemo modele gdje Zora dobro konkurira. Kriteriji uključivanja nisu nasumični.
- Preklapanje podataka za trening: Neka pitanja benchmarka mogu se preklapati sa Zorinim podacima za trening, što može napuhnuti rezultate.
Šta rezultati POKAZUJU: Zora v1.13 je najsnažniji otvoreni model koji smo testirali na našem benchmarku za 12 balkanskih jezika — 102/156. Nadvladava 3-4× veće modele na BalkanBench v1.1, smislen rezultat za ekosistem otvorenog koda, ali ne tvrdnja o univerzalnoj superiornosti.
Šta rezultati NE POKAZUJU: Da je Zora bolja od frontier modela, da se ta rangiranja generaliziraju izvan našeg test dizajna ili da je metodologija bodovanja neovisna. Transparentnost ovdje je najvažnija: v1.13 dobija analizu uz stvarni, dokumentovani trošak u činjeničnoj detaljnosti.
10 · Šta slijedi: v2
| v1.13 (sada) | v2 (planirano) | |
|---|---|---|
| Osnova | Qwen3-8B | Qwen3.8-27B |
| BalkanBench | 102/156 | Cilj: 120+/156 |
| DETAIL | 2/12 (regresija) | Povrat + Cilj: 8+/12 |
| LOGIC/LOGIC2 | 3/12, 7/12 | Cilj: 8+/12 |
| HALLU | 10/12 | Cilj: 12/12 |
| Zaključivanje | Poboljšana analiza | Potpuni trening lanca misli |
11 · Zahvala
Zora postoji zahvaljujući otvorenom kodu. Izražavamo formalnu, srdačnu zahvalu:
- Ponajprije, timu Qwen u Alibabi — za razvoj i objavljivanje otvorenog koda Qwen3 (Apache-2.0), temeljnog modela na kojemu je Zora zasnovana. Bez njihove velikodušnosti Zora ne bi postojala.
- Platformama i strukturama koje su to omogućile — Kaggle, Modal, HuggingFace, Ollama, Unsloth — za računarske resurse, alate i otvorenu infrastrukturu.
- Zajednici otvorenog koda, za modele, kod i znanje slobodno podijeljeno sa svima.
- Narodima Balkana — čiji su jezici, glasovi, priče i perspektive samo srce Zore.
- rag.ai.in.rs za RAG infrastrukturu i 87.284 blokova balkanskog znanja.
- I svemu što jest.
зора — zora pripada svima.
12 · Citiranje
@software{zora_v113,
author = {Vignjevic, Oliver},
title = {Zora v1.13: An Open, Honest LLM for the Balkans \& Southeast Europe},
year = {2026},
publisher = {Hugging Face},
url = {https://huggingface.co/sovasoft/zora-v1.13},
license = {Apache-2.0},
base_model = {Qwen/Qwen3-8B},
languages = {sr, hr, bs, mk, sl, sq, cnr, bg, el, tr, ro, hu}
}
Sovasoft · ai.in.rs · jedna da ih sve ujedini