DahonoLabs / Dahono-4B

Dahono-4B (v0.7 Reasoning RL Edition)

Dahono-4B adalah model bahasa besar (Large Language Model) berdaulat yang dikembangkan secara spesifik untuk domain hukum, kepatuhan regulasi, dan analisis instrumen yuridis Republik Indonesia. Model ini dibangun di atas arsitektur Qwen/Qwen3-4B (kapasitas konteks native 40.960 tokens) dan dioptimalkan melalui pelatihan Reasoning Reinforcement Learning via Group Relative Policy Optimization (GRPO) dengan 4 fungsi reward yuridis terkalibrasi.

• Repositori Resmi: https://huggingface.co/DahonoLabs/Dahono-4B
• Web Demo Interaktif: https://huggingface.co/spaces/DahonoLabs/Dahono-4B-Demo
• Dataset Penalaran Hukum (CoT 5K): https://huggingface.co/datasets/DahonoLabs/Indonesian-Legal-Reasoning-QA
• Dataset Glosarium Hukum (1.771 Istilah): https://huggingface.co/datasets/DahonoLabs/Indonesian-Legal-Glossary
• Platform Applied Legal AI: https://labs.dahono.com
• Portal Korporat: https://dahono.com

---

Pembaruan Versi v0.7 (Reasoning RL GRPO)

Versi v0.7 memperkenalkan kapabilitas penalaran hukum mendalam (Deep Legal Reasoning) secara mandiri:

1. Native Chain-of-Thought (CoT) <think> : Model secara otonom melakukan penalaran silogisme yuridis (Premis Mayor / Dasar Hukum, Premis Minor / Fakta Kasus, dan Konklusi Yuridis) di dalam blok <think> sebelum menyajikan kesimpulan formal kepada pengguna.
2. Mitigasi Halusinasi Sitasi (Citation Precision) : Menerapkan penalti ketat terhadap rujukan pasal fiktif. Rujukan diuji terhadap KUHPerdata, KUHP Nasional (UU No. 1 Tahun 2023), UU No. 13 Tahun 2003 tentang Ketenagakerjaan jo. PP No. 35 Tahun 2021, UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi (PDP), dan UU No. 1 Tahun 2024 tentang ITE.
3. Kemurnian Bahasa Hukum Indonesia (Language Purity) : Mengeliminasi alih kode (code-switching) bahasa asing, dengan pengecualian pada asas/adagium resmi bahasa Latin dan Belanda ( Pacta Sunt Servanda, Vernietigbaar, Van Rechtswege Nietig, Onrechtmatige Daad, Ingebrekestelling ).
4. Format Kuantisasi Resmi (GGUF Q4_K_M) : Berkas biner dirilis dalam format GGUF v3 kuantisasi 4-bit medium sebesar 2.50 GB (2.33 GiB / 2.497.281.056 bytes) untuk inferensi lokal efisien berkecepatan tinggi via Ollama, llama.cpp, dan LM Studio.

---

Formulasi 4 Fungsi Reward Yuridis (GRPO)

Pelatihan GRPO (Group Relative Policy Optimization) mengevaluasi kandidat respons model menggunakan 4 fungsi objektif matematis:

1. Format Compliance Reward ($w = 1.0$)

Memastikan model konsisten memisahkan fase penalaran internal dengan teks putusan formal:

R_format = +1.0  jika tag <think> dan </think> lengkap dan panjang token pemikiran > 30 karakter
R_format = +0.3  jika tag lengkap namun elaborasi pemikiran sangat singkat (<= 30 karakter)
R_format = -1.0  jika tag <think> atau </think> tidak ditemukan

2. Language Purity Reward ($w = 1.0$)

Mempertahankan kemurnian bahasa Indonesia doktrinal:

R_purity = +1.0  jika rasio kata asing (bahasa Inggris) = 0.0% (di luar whitelist istilah hukum Latin/Belanda)
R_purity = +0.2  jika rasio kata asing < 3.0%
R_purity = -1.5  jika rasio kata asing >= 3.0%

Whitelist Doktrin: Pacta Sunt Servanda , Vernietigbaar , Van Rechtswege Nietig , Onrechtmatige Daad , Ingebrekestelling , Dwang , Dwaling , Bedrog , Curatele , Lex Specialis Derogat Legi Generali , Lex Superior Derogat Legi Inferiori .

3. Citation Precision Reward ($w = 1.5$)

Mengevaluasi presisi sitasi pasal perundang-undangan terhadap kunci rujukan ( expected citations ):

R_citation = +1.5  jika rasio kecocokan pasal >= 80%
R_citation = +0.5  jika rasio kecocokan pasal > 0% dan < 80%
R_citation = -0.5  jika tidak ada pasal relevan yang sesuai (halusinasi/meleset)

4. Reasoning Depth Reward ($w = 1.0$)

Mengukur kelengkapan komponen silogisme hukum pada blok pemikiran internal:

R_reasoning = S_fakta (0.25) + S_dasarhukum (0.25) + S_analisis (0.25) + S_konklusi (0.25)

---

Hasil Evaluasi Kuantitatif & Metodologi (LegalBench-ID v0.7)

Metodologi Pengujian

Pengujian dilakukan menggunakan suite evaluasi internal terkurasi LegalBench-ID terhadap 50 butir studi kasus hukum objektif yang mencakup 5 domain hukum utama di Indonesia: Hukum Kontrak & Perikatan (KUHPerdata), Hukum Perusahaan (UU PT), Ketenagakerjaan (UU 13/2003 jo. PP 35/2021), Pelindungan Data Pribadi (UU 27/2022), dan Hukum Acara Perdata.

Skoring dilakukan dengan rubrik evaluasi terstruktur berbasis ketepatan norma imperatif, kesahihan silogisme hukum, dan ketiadaan rujukan regulasi fiktif melalui internal evaluation harness Dahono Labs (tersedia bagi mitra korporat dan audit akademik atas permintaan resmi).

Tabel Komparasi Benchmark

Hasil Uji Empiris Runtime Lokal (Ollama & Hardware Deployment)

• Perangkat Pengujian: PC Lokal, NVIDIA GeForce GTX 1650 4GB VRAM, Intel Core i5.
• Kecepatan Inferensi: 35.5 tokens/detik (offload penuh 36 layer Transformer).
• Kepatuhan Struktur CoT: 100% (5/5 kasus menghasilkan blok <think>...</think> secara otonom).
• Uji Pertahanan Halusinasi Regulasi Fiktif (TC-05): Lulus 100% . Model secara eksplisit menolak keberadaan UU No. 999 Tahun 2099 tentang Teleportasi Manusia dan menyatakannya sebagai konsep fiktif di luar hukum positif Indonesia.
• Catatan Akurasi Sitasi (89.2%): Angka presisi 89.2% merefleksikan peningkatan signifikan dibandingkan model dasar (62.4%), namun masih menyisakan margin ketidaktepatan sekitar 10.8%. Oleh karena itu, verifikasi manusia ( Human-in-the-Loop ) terhadap naskah asli perundang-undangan tetap menjadi prasyarat mutlak dalam penggunaan profesional.

---

Berkas Model GGUF yang Tersedia

---

Persyaratan Sistem & Spesifikasi Perangkat Keras (Hardware Requirements)

Dahono-4B (kuantisasi Q4_K_M, 2.50 GB) dirancang agar dapat beroperasi efisien di komputer desktop, laptop, maupun server:

Estimasi Kinerja Inferensi:

• CPU Mode (Intel Core i5 Desktop): ~6 - 12 tokens/detik.
• Entry GPU Mode (NVIDIA GeForce GTX 1650 4GB): ~32 - 38 tokens/detik.
• Mid/High GPU Mode (NVIDIA RTX 3060 / 4060 / Apple M-Series): ~60 - 90 tokens/detik.

---

Petunjuk Penggunaan

1. Eksekusi melalui Ollama

Cara termudah dan paling direkomendasikan untuk menjalankan model secara lokal:

# Menjalankan model langsung dari repositori Hugging Face
ollama run hf.co/DahonoLabs/Dahono-4B

Jika berkas Dahono-4B-v0.7-Q4_K_M.gguf diunduh secara manual bersama Modelfile :

ollama create dahono-4b -f Modelfile
ollama run dahono-4b

2. Eksekusi melalui Python ( llama-cpp-python )

Karena repositori ini dikhususkan untuk distribusi bobot biner terkuantisasi (GGUF), eksekusi programatis Python dilakukan melalui runtime llama-cpp-python :

pip install llama-cpp-python

from llama_cpp import Llama

# Mengunduh dan memuat model GGUF secara langsung dari Hugging Face Hub
llm = Llama.from_pretrained(
    repo_id="DahonoLabs/Dahono-4B",
    filename="Dahono-4B-v0.7-Q4_K_M.gguf",
    n_ctx=8192,         # Kapasitas konteks (arsitektur mendukung hingga 40.960 tokens)
    n_gpu_layers=-1,    # Offload seluruh layer ke GPU (-1 = 100% GPU)
    verbose=False
)

prompt = "Jelaskan perbedaan mendasar antara Wanprestasi (Pasal 1243 KUHPerdata) dan Perbuatan Melawan Hukum (Pasal 1365 KUHPerdata)!"

# Format ChatML native untuk memicu penalaran Chain-of-Thought
formatted_input = f"<|im_start|>user\n{prompt}<|im_end|>\n<|im_start|>assistant\n"

output = llm(
    formatted_input,
    max_tokens=2048,
    temperature=0.1,
    top_p=0.85,
    repeat_penalty=1.15,
    stop=["<|im_end|>", "<|im_start|>"]
)

print(output["choices"][0]["text"])

3. Eksekusi melalui LM Studio

1. Buka aplikasi LM Studio .
2. Masukkan DahonoLabs/Dahono-4B pada kolom pencarian model.
3. Unduh berkas Dahono-4B-v0.7-Q4_K_M.gguf .
4. Pada panel konfigurasi prompt, pilih preset format ChatML .

4. Eksekusi melalui llama.cpp CLI

./llama-cli -m Dahono-4B-v0.7-Q4_K_M.gguf -p "<|im_start|>user\nJelaskan syarat sah perjanjian menurut Pasal 1320 KUHPerdata!<|im_end|>\n<|im_start|>assistant\n" -n 2048 -c 8192 --temp 0.1 -ngl 99

---

Integrasi RAG Regulasi Nasional (227.000+ Chunks)

Dahono-4B dirancang bekerja sinergis dengan sistem Retrieval-Augmented Generation (RAG) regulasi perundang-undangan Dahono Labs:

import requests

RAG_ENDPOINT = "https://gateway.dahono.com/v1/rag/search"

pertanyaan = "Apakah pekerja kontrak PKWT boleh disyaratkan masa percobaan kerja?"
payload = {
    "query": pertanyaan,
    "limit": 2
}

headers = {
    "Content-Type": "application/json",
    "Referer": "https://huggingface.co/DahonoLabs/Dahono-4B"
}
response = requests.post(RAG_ENDPOINT, json=payload, headers=headers)
rag_data = response.json()

konteks_pasal = ""
for reg in rag_data.get("results", []):
    judul = reg.get("judul") or reg.get("slug")
    for chunk in reg.get("matchingChunks", []):
        pasal = chunk.get("pasalNumber") or "Pasal Terkait"
        teks = chunk.get("text", "").strip()
        konteks_pasal += f"[{judul} - {pasal}]\n{teks}\n\n"

prompt = f"""<|im_start|>user
Konteks Regulasi:
{konteks_pasal}

Pertanyaan:
{pertanyaan}<|im_end|>
<|im_start|>assistant
"""
print(prompt)

Proteksi Rate Limit & Akses API Key Resmi

Demi menjaga keandalan infrastruktur server korporat dan mencegah eksploitasi scraping otomatis, endpoint demonstrasi publik ini dilindungi oleh kebijakan Rate Limiting aktif sebesar 5 request per menit per alamat IP (kuota direset setiap jendela 60 detik; permintaan yang melebihi batas akan menerima respons status HTTP 429 Too Many Requests ). Aplikasi web demo di Hugging Face Space berjalan menggunakan Client-side SDK terintegrasi yang telah diselaraskan dengan batas kuota tersebut.

Dapatkan API Key Dahono Labs (Tersedia Paket Gratis): Siapapun dapat membuat akun dan memperoleh Dahono API Key secara langsung. Jika Anda ingin mencobanya, tersedia paket gratis yang siap digunakan. Anda juga dapat memilih paket kuota yang lebih besar untuk kebutuhan riset intensif, integrasi perangkat lunak, maupun operasional korporat:

• Buat Akun & Dapatkan API Key Gratis: https://labs.dahono.com
• Layanan Korporat & Enterprise: https://dahono.com

---

Batasan Penggunaan, Etika, & Mitigasi Risiko

Batasan Penggunaan yang Ditujukan (Intended Use)

• Akselerasi penelitian dan telaah dokumen hukum positif Republik Indonesia.
• Pemeriksaan awal klausul kepatuhan regulasi ( regulatory compliance pre-check ).
• Bantuan perumusan draf awal instrumen hukum (surat somasi, perjanjian kerja sama, korespondensi formal advokat).
• Alat bantu pembelajaran hukum ( educational tool ) bagi akademisi dan mahasiswa hukum.

Penggunaan di Luar Cakupan (Out-of-Scope & Prohibited Use)

• Dilarang digunakan sebagai pengganti representasi advokat, penasihat hukum, atau konsultan hukum berizin di persidangan.
• Dilarang digunakan untuk memproduksi dokumen peradilan palsu atau rekayasa bukti hukum.
• Dilarang mengambil keputusan yuridis berdampak tinggi ( high-stakes judicial decisions ) secara otomatis tanpa verifikasi langsung oleh praktisi hukum berwenang ( Human-in-the-Loop ).

Batasan dan Bias Doktrinal (Limitations & Bias)

• Cakupan Yuridis: Pengetahuan model berpusat pada sistem hukum Civil Law Republik Indonesia. Model tidak dirancang untuk menganalisis sistem Common Law asing tanpa integrasi dokumen konteks terkait.
• Ketepatan Pasal (Margin Kesalahan): Model memiliki skor presisi sitasi 89.2%, yang mengindikasikan adanya kemungkinan kekeliruan sitasi sekitar 10.8%. Pengguna wajib melakukan verifikasi silang terhadap teks lembaran negara resmi.

---

Rincian Pelatihan & Provenance Data

• Model Dasar: Qwen/Qwen3-4B (dikembangkan oleh Alibaba Cloud / Qwen Team).
• Infrastruktur Komputasi: Google Colab T4 GPU (16 GB VRAM) dengan akselerasi FP16 Tensor Cores.
• Metode Pelatihan: QLoRA 4-bit fine-tuning dilanjutkan dengan Reinforcement Learning berbasis GRPO (Group Relative Policy Optimization) menggunakan framework Unsloth dan TRL.
• Parameter LoRA: Rank $r=16$, Alpha $\alpha=32$, Dropout $0.0$, melatih 504 tensor layer pada 7 modul linear target ( q_proj , k_proj , v_proj , o_proj , gate_proj , up_proj , down_proj ) dengan total 33.030.144 parameter terlatih .
• Korpus Pelatihan & Metrik Data: Model dioptimalkan menggunakan korpus hukum internal terkurasi Dahono Labs ( Dahono Proprietary Legal Corpus ) yang menggabungkan:
  1. Koleksi Regulasi Positif Nasional: Lebih dari 2.500 teks perundang-undangan resmi publik Republik Indonesia (KUHPerdata, KUHP, UU PT, UU Ketenagakerjaan, UU PDP, UU ITE, hingga peraturan pelaksana PP dan Perpres) yang telah dinormalisasi strukturnya dan diverifikasi keasliannya;
  2. Anotasi Silogisme & Penalaran Doktrinal: 525 rantai penalaran hukum bertingkat ( multi-step CoT legal reasoning ) dan 4.000 pasang dialog analisis hukum sintetis terverifikasi kaidah doktrin hukum positif;
  3. Instrumen Draf Hukum Baku: Templat klausul kontrak komersial, somasi, dan telaah kepatuhan regulasi berstandar industri yang dirumuskan secara in-house oleh konsultan hukum Dahono Labs tanpa melibatkan dokumen rahasia pihak ketiga manapun.

---

Visi, Misi, dan Profil Pengembang

Tentang Dahono Labs

Dahono Labs ( https://labs.dahono.com ) merupakan inisiatif riset dan platform Applied Legal AI yang dikembangkan oleh PT Dahono Consulting Agency ( https://dahono.com ), beroperasi di Surabaya dan Jakarta, Indonesia. Dahono Labs berfokus pada pengembangan kecerdasan buatan terapan untuk memfasilitasi kepatuhan hukum (regulatory compliance), audit risiko klausul kontrak, dan otomatisasi tata kelola organisasi.

Inisiatif ini didirikan dan dipimpin oleh Armiko Dahono (Founder & Head of Dahono Labs) bersama tim riset Dahono Labs di bawah naungan PT Dahono Consulting Agency . Menggabungkan latar belakang pendidikan ilmu hukum dari Universitas Negeri Surabaya (UNESA) serta keahlian profesional dalam hukum positif Indonesia, kepatuhan regulasi korporat, pelindungan data pribadi (UU No. 27/2022), keamanan informasi, dan rekayasa tata kelola AI (AI Governance).

Visi Utama

"Intelijen Hukum Indonesia yang Dapat Diakses Semua Orang."

Misi Fundamental

1. Demokratisasi Akses Kepatuhan Hukum: Membuka akses bagi pelaku usaha mikro, kecil, dan menengah (UMKM), startup, kreator digital, dan profesional agar dapat memahami hak, kewajiban, dan mitigasi risiko kontrak secara mandiri.
2. Kemandirian Infrastruktur AI Indonesia: Membangun ekosistem model AI berbahasa Indonesia dengan spesialisasi yuridis yang akurat dan berakar pada sistem hukum nasional.
3. Integritas dan Etika AI Yuridis: Mengedepankan ketepatan dasar hukum berbasis data perundang-undangan resmi, objektivitas penalaran, dan pelindungan privasi data pengguna.

---

Pernyataan Lisensi & Atribusi (Notice)

Dahono-4B didistribusikan di bawah lisensi Apache License 2.0 .

Model ini dibangun melalui adaptasi dan fine-tuning terhadap model dasar Qwen3-4B yang dikembangkan oleh tim Alibaba Cloud / Qwen. Penggunaan model ini tunduk pada ketentuan lisensi Apache 2.0 serta kebijakan penggunaan yang bertanggung jawab:

• Lisensi Apache 2.0: https://www.apache.org/licenses/LICENSE-2.0
• Model Dasar Qwen: https://github.com/QwenLM/Qwen

---

Disclaimer Yuridis

Dahono-4B dikembangkan sebagai instrumen akselerasi riset hukum, edukasi regulasi, analisis kepatuhan awal, dan penyusunan draf yuridis. Seluruh keluaran model bersifat informatif dan bukan merupakan nasihat hukum formal (formal legal advice), serta tidak menggantikan representasi advokat atau konsultan hukum berizin.

---

Sitasi

@misc{dahono2026dahono4b,
  title={Dahono-4B: Sovereign Indonesian Legal Foundation Large Language Model},
  author={Armiko Dahono and Dahono Labs Team},
  year={2026},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/DahonoLabs/Dahono-4B}}
}

• Kontak Surel: [email protected]
• Portal Web: https://dahono.com | https://labs.dahono.com