NINMENI — Framework Model Bahasa Native Indonesia

NINMENI adalah kerangka riset dan rekayasa untuk membangun model bahasa yang native terhadap bahasa Indonesia, dari lapisan paling dasar.

Hierarki: framework NINMENI → paradigma NMU → model (contoh: Veyra).

• NMU (ninmeni meaning unit) — paradigma representasi: satu karakter = satu identitas tetap, di ruang karakter statis universal. Tanpa segmentasi sub-kata, tanpa UNK. Bahasa Indonesia hidup dari imbuhan; dengan membaca per karakter, akar kata selalu tampak utuh di setiap turunannya — model menemukan pola imbuhan sendiri.
• Veyra — model yang lahir dari kerangka ini. Generasi pertama: Veyra 75M. Generasi kedua: Veyra Nyra 98M, dimulai dari nol pada Agustus 2026 dan kini berada dalam evaluasi research-only dari checkpoint produksi immutable langkah 5.000.

Repo ini adalah jalur GENERASI PERTAMA

Kode dan ruang karakter di sini adalah jalur yang dipakai membangun Veyra 75M, dengan ruang karakter ±4.450 (registry/nmu_v1.json). Ia utuh dan berjalan untuk generasi itu.

Generasi kedua memakai ruang karakter 10.240 dengan format berkas registry yang berbeda, sehingga codec di repo ini tidak dapat memuatnya. Perbedaannya bukan sekadar jumlah: 4.450 ID pertama tetap persis sama, tetapi berkas registry generasi kedua memakai skema entries — bukan codepoints seperti di sini.

Perubahan inti lain pada generasi kedua: besaran yang menakar kerja tiap lapisan kini diturunkan sendiri di dalam paradigma NINMENI (Ξ_EMYLTON), menggantikan rumusan yang sebelumnya berasal dari luar NMU. Perubahan itu ada di arsitektur internal Veyra, yang memang tidak pernah dipublikasikan di repo ini (model/ berisi decoder referensi polos — lihat bagian Status & batas yang jujur).

Jalur generasi kedua akan diterbitkan setelah mekanisme, provenance, evaluasi, dan release gate-nya matang. Sampai saat itu, repo ini dipertahankan sebagai jalur Generasi 1 yang dapat digunakan dan direproduksi apa adanya. Keberadaan checkpoint internal Generasi 2 bukan izin untuk memindahkan klaim kapabilitas ke repo ini.

Isi repo

nmu/         codec NMU (paket paradigma) (encode/decode 1 karakter = 1 ID, registry-driven)
registry/    ruang karakter statis (nmu_v1.json)
model/       model REFERENSI (decoder polos) — titik colok arsitektur Anda; BUKAN arsitektur Veyra
training/    loop historis Generasi 1: substrat + pengalaman operasional (field legacy SFT)
pipeline/    build_shards.py — teks JSONL -> shard ids (mmap-able)
configs/     contoh konfigurasi
docs/        panduan kurikulum data
examples/    contoh format pengalaman substrat dan operasional Generasi 1

Mulai cepat

1. Siapkan korpus JSONL {"teks": "..."} (lihat examples/curriculum/).
2. Shardize: python pipeline/build_shards.py --inputs korpus.jsonl --out data/shards
3. Latih: python -m training.train_unified_native --config configs/contoh_75m.yaml \ --shards data/shards/train --sft data/sft_train.jsonl --registry registry/nmu_v1.json

Nama argumen dan modul sft pada perintah di atas adalah provenance implementasi Generasi 1, bukan nama mekanisme belajar canonical NINMENI. Di dalam ontologi NINMENI, berkas tersebut adalah aset pengalaman operasional; Kristalisasi adalah inti kausal belajar pada jalur Generasi 2. Nama legacy dipertahankan di repo ini agar contoh dan checkpoint Generasi 1 tetap reproduktif.

Mulai dengan NINMENI Hands-On

NINMENI Hands-On adalah program partisipasi dari Laboratorium Terbuka NINMENI. Mulai dari eksperimen kecil yang benar-benar tersedia di jalur publik ini:

1. muat registry NMU Generasi 1;
2. buktikan satu karakter menghasilkan tepat satu ID;
3. buktikan decode(encode(teks)) sama dengan hasil normalisasi canonical;
4. simpan revision, hash registry, environment, command, dan hasil;
5. kirim reproduction receipt melalui issue.

Panduan lengkap: HANDS_ON.md. Aturan kontribusi dan batas bukti: CONTRIBUTING.md.

Status & batas yang jujur

Proyek ini dibuka bertahap. Kode di sini adalah pipeline yang benar-benar dipakai membangun Veyra 75M — generasi pertama — bukan kode demonstrasi. Yang TIDAK ada di repo ini: bobot model (untuk generasi mana pun), arsitektur internal Veyra (model/ berisi referensi polos sebagai titik colok — lihat docs/antarmuka-model.md), korpus pelatihan, dan catatan riset internal. Evaluasi menyeluruh menunggu dokumentasi teknis rilis penuh.

Batas yang perlu dinyatakan terus terang: repo ini tidak mengikuti generasi kedua. Ia tidak usang untuk apa yang dikerjakannya, tetapi ia juga bukan versi lama dari jalur yang sedang berjalan sekarang — keduanya sudah bercabang. Kalau Anda memakai repo ini, Anda memakai jalur generasi pertama, dan itu memang tetap sah.

Kontribusi & lisensi

Kode di repo ini dilisensikan di bawah Apache License 2.0 (lihat LICENSE). Kontribusi dipersilakan melalui issue / pull request. Temuan yang berbeda atau falsifier yang membatalkan dugaan diperlakukan sebagai kontribusi, bukan kegagalan komunitas.

Kontak

Emylton Leunufna — pencipta framework NINMENI & paradigma NMU — emylleons8@gmail.com