DocsAan de slag
§ modellen

Eén recept, drie maten.

Elk model is een decoder-only transformer met een eigen Nederlandse 32k-tokenizer, vanaf nul getraind op verantwoorde Nederlandse data.

zelfde tokenizer · zelfde aanpak · zelfde metingen, alleen de maat verschilt

kamoo-one-135m

live
135M

Het instapmodel: alle acht operaties, razendsnel, ook op bescheiden hardware. Het sterkst in classificeren, extraheren en routeren.

parametermassa · 1 tegel ≈ 34M
dimensie
768
lagen
16
attention
GQA 12/4
ffn
2.048
positie
RoPE
norm
RMSNorm
draait op een laptop, zelfs zonder gpuvanaf nul getraind op eigen hardware in Nederland

kamoo-one-500m

traint nu
500M

De middenmaat: merkbaar vloeiender herschrijven en samenvatten, nog steeds licht genoeg voor één GPU on-premise. Open onder Apache-2.0, net als de 135m.

draait op één gpu

kamoo-one-2b

gepland
2B

Het werkpaard van de familie, volgt zodra de 500m zich bewezen heeft. Zelfde recept, dezelfde acht operaties plus chat, op het moeilijkste werk. Beschikbaar voor klanten: on-premise, onder licentie.

draait op één gpu

context
1.024 tokens
tokenizer
32k · eigen NL
architectuur
decoder-only
licentie
Apache-2.0 · 135m & 500m

Elke maat krijgt een -instruct-variant voor chat en taakinstructies. De alias wijst altijd naar het actuele chatmodel, zie het versiebeleid in de docs.

model="kamoo-chat-latest"
§ grenzen

Eerlijk over wat het kan.

Een klein model kiest. Dit is de afbakening waar je op kunt bouwen , en waar je iets anders voor nodig hebt.

waar het goed in is

  • Nederlandse tekst herschrijven (zoals B1-niveau), samenvatten en correcties voorstellen
  • Gegevens uit tekst structureren naar vaste formats zoals JSON
  • Tekst classificeren, routeren en signaleren op een regel of termijn
  • Helpen bij het lakken van persoonsgegevens en antwoorden verwoorden op basis van aangeleverde context

wat je er niet van moet vragen

  • Brede wereldkennis uit het hoofd, feiten horen uit jouw documenten te komen
  • Diep meerstaps-redeneren zoals grote frontier-modellen
  • Andere talen dan Nederlands (bewuste keuze)
  • Lange documenten in één keer, de context is 1.024 tokens; knip lange tekst in delen
§ metingen

Metingen, geen marketing.

We publiceren taakgerichte metingen inclusief methode en meetdatum, afgezet tegen vergelijkbare open modellen. Geen cherry-picked leaderboards, wel cijfers waar je een inkoopbeslissing op kunt baseren.

json-validiteit

Percentage extracties dat direct als geldige JSON parseert.

meting volgt
routing-nauwkeurigheid

Hoe vaak classificaties bij het juiste team of label uitkomen.

meting volgt
b1-leesbaarheid

Leesbaarheidsscore van herschreven tekst, gemeten met LiNT.

meting volgt
nl-perplexity

Taalbeheersing op Nederlandse held-out tekst, afgezet tegen SmolLM2-135M.

meting volgt

de eerste meting staat er al: de tokenizer-benchmark , 110 tokens waar ChatGPT 5 er 134 nodig heeft

Begin te bouwenLees hoe we trainen