- Katılım
- 13 Ocak 2026
- Mesajlar
- 216
- Tepkime puanı
- 102
- Puan
- 43
Arkadaşlar, Meta bu kez yalnızca sohbet ekranında kullanılacak bir hizmet değil, ağırlıkları indirilebilen oldukça büyük bir model duyurdu. 15 Ekim’de tanıtılan Muse Spark Open, şirketin açık ağırlıklı yapay zekâ tarafındaki yeni hamlesi. Haberde en çok dikkat çeken bölüm ise iki Mac Studio üzerinde yapılan gösterim: toplam 1 TB birleşik bellek kullanılan bu kurulum, modelin ölçeğini oldukça iyi anlatıyor. Ancak buradan “her bilgisayarda çalışır” sonucu çıkarmamak gerekiyor.
816 milyar parametre ne anlama geliyor?
Meta’nın açıkladığı mimaride toplam 816 milyar parametre bulunuyor; işlem sırasında bunların yaklaşık 42 milyarı etkinleşiyor. Bu iki sayıyı birbirine karıştırmamak önemli. Etkin parametre miktarının daha düşük olması, modelin bütün ağırlıklarını saklamak için gereken belleğin de aynı ölçüde küçüldüğü anlamına gelmiyor. Donanım ihtiyacı; kullanılan sayısal hassasiyete, sıkıştırma yöntemine, bağlam uzunluğuna ve çalıştırma yazılımına bağlı olarak değişebilir.
Model, bir milyon token bağlam penceresiyle sunuluyor. Bunu tek bir soruya daha uzun cevap verme özelliği gibi düşünmeyelim: büyük yazılım projelerini veya uzun belgeleri birlikte değerlendirebilmek için de önemli. Yine de geniş bir pencere, içeriğin her ayrıntısının her zaman doğru hatırlanacağını garanti etmiyor. Gerçek işlerde çıktıların kontrol edilmesi gerekecek.
Görsel: Meta AI Research. Karşılaştırma tablosu şirketin kendi değerlendirmesidir; bağımsız test sonucu olarak okunmamalıdır.
Mac gösterimi neden ilgi çekti?
Meta, Apple MLX kullanılarak iki M5 Ultra Mac Studio üzerinde çalışan bir kurulum gösteriyor. Her cihazda 512 GB birleşik bellek bulunuyor; toplam bellek böylece 1 TB’a ulaşıyor. Şirket, çip başına 1,2 TB/s bellek bant genişliğini de vurguluyor. Burada söz konusu olan sıradan bir dizüstü bilgisayar değil, iki güçlü makineye dağıtılmış özel bir yapı.
Benim açımdan asıl ilginç nokta, büyük modellerin yalnızca merkezi bulut servislerinde değil, uygun donanıma sahip kurumların kendi ortamlarında da çalıştırılabilmesi. Örneğin hassas şirket belgelerini dış servise göndermek istemeyen bir ekip için yerel kurulum anlamlı olabilir. Bunun karşılığında donanım maliyeti, bakım ve teknik uzmanlık ihtiyacı doğuyor. Yerel çalıştırmak tek başına ucuzluk veya güvenlik garantisi sağlamıyor.
Kod yazmanın ötesinde iş akışları
Meta, modeli kodlama, araç kullanımı ve çok adımlı görevler için öne çıkarıyor. Tanıtımdaki örneklerden biri, açık kaynaklı Ice Cubes uygulamasında hata düzeltme ve özellik geliştirme. Bir başka gösterimde ise video görüntülerinin incelenmesi, öne çıkan bölümlerin seçilmesi ve dikey kadraj hazırlanması gibi DaVinci Resolve işleri anlatılıyor. Bunlar şirketin sunduğu örnekler; bizim yaptığımız bağımsız bir kullanım testi değil.
Performans tarafında da rakamları doğru okumak gerekiyor. Meta, bazı GPU çekirdeklerinde 1,03 ile 3,95 kat arasında hızlanma bildirirken, AMD MI350 üzerinde uçtan uca kazanımı yüzde 3 olarak açıklıyor. Belirli bir küçük işlemin yaklaşık dört kat hızlanması, bütün uygulamanın dört kat hızlanması demek değil.
Açık ağırlık, sınırsız kullanım anlamına gelmiyor
Ağırlıklar Hugging Face ve çeşitli bulut platformları üzerinden dağıtılıyor; farklı servis sağlayıcılar üzerinden API erişimi de bulunuyor. Bununla birlikte Muse Model License, belirli ticari koşullar içeriyor. Dolayısıyla modeli bir ürüne eklemek isteyenlerin yalnızca indirme bağlantısına değil, lisans şartlarına da bakması gerekiyor.
Şirketin “ABD’deki en yetenekli açık ağırlıklı model” ifadesini şimdilik bir üretici iddiası olarak değerlendirmek daha doğru. Ben, bağımsız testlerde uzun görevleri ne kadar tutarlı tamamladığını ve gerçek kurulum maliyetini görmeyi daha değerli buluyorum. Sizce bu ölçekte yerel modeller kurumlar için erişilebilir hâle geliyor mu, yoksa donanım eşiği hâlâ çok mu yüksek?
Kaynak: Meta AI Research’ün Muse Spark Open duyurusu.
816 milyar parametre ne anlama geliyor?
Meta’nın açıkladığı mimaride toplam 816 milyar parametre bulunuyor; işlem sırasında bunların yaklaşık 42 milyarı etkinleşiyor. Bu iki sayıyı birbirine karıştırmamak önemli. Etkin parametre miktarının daha düşük olması, modelin bütün ağırlıklarını saklamak için gereken belleğin de aynı ölçüde küçüldüğü anlamına gelmiyor. Donanım ihtiyacı; kullanılan sayısal hassasiyete, sıkıştırma yöntemine, bağlam uzunluğuna ve çalıştırma yazılımına bağlı olarak değişebilir.
Model, bir milyon token bağlam penceresiyle sunuluyor. Bunu tek bir soruya daha uzun cevap verme özelliği gibi düşünmeyelim: büyük yazılım projelerini veya uzun belgeleri birlikte değerlendirebilmek için de önemli. Yine de geniş bir pencere, içeriğin her ayrıntısının her zaman doğru hatırlanacağını garanti etmiyor. Gerçek işlerde çıktıların kontrol edilmesi gerekecek.
Görsel: Meta AI Research. Karşılaştırma tablosu şirketin kendi değerlendirmesidir; bağımsız test sonucu olarak okunmamalıdır.
Mac gösterimi neden ilgi çekti?
Meta, Apple MLX kullanılarak iki M5 Ultra Mac Studio üzerinde çalışan bir kurulum gösteriyor. Her cihazda 512 GB birleşik bellek bulunuyor; toplam bellek böylece 1 TB’a ulaşıyor. Şirket, çip başına 1,2 TB/s bellek bant genişliğini de vurguluyor. Burada söz konusu olan sıradan bir dizüstü bilgisayar değil, iki güçlü makineye dağıtılmış özel bir yapı.
Benim açımdan asıl ilginç nokta, büyük modellerin yalnızca merkezi bulut servislerinde değil, uygun donanıma sahip kurumların kendi ortamlarında da çalıştırılabilmesi. Örneğin hassas şirket belgelerini dış servise göndermek istemeyen bir ekip için yerel kurulum anlamlı olabilir. Bunun karşılığında donanım maliyeti, bakım ve teknik uzmanlık ihtiyacı doğuyor. Yerel çalıştırmak tek başına ucuzluk veya güvenlik garantisi sağlamıyor.
Kod yazmanın ötesinde iş akışları
Meta, modeli kodlama, araç kullanımı ve çok adımlı görevler için öne çıkarıyor. Tanıtımdaki örneklerden biri, açık kaynaklı Ice Cubes uygulamasında hata düzeltme ve özellik geliştirme. Bir başka gösterimde ise video görüntülerinin incelenmesi, öne çıkan bölümlerin seçilmesi ve dikey kadraj hazırlanması gibi DaVinci Resolve işleri anlatılıyor. Bunlar şirketin sunduğu örnekler; bizim yaptığımız bağımsız bir kullanım testi değil.
Performans tarafında da rakamları doğru okumak gerekiyor. Meta, bazı GPU çekirdeklerinde 1,03 ile 3,95 kat arasında hızlanma bildirirken, AMD MI350 üzerinde uçtan uca kazanımı yüzde 3 olarak açıklıyor. Belirli bir küçük işlemin yaklaşık dört kat hızlanması, bütün uygulamanın dört kat hızlanması demek değil.
Açık ağırlık, sınırsız kullanım anlamına gelmiyor
Ağırlıklar Hugging Face ve çeşitli bulut platformları üzerinden dağıtılıyor; farklı servis sağlayıcılar üzerinden API erişimi de bulunuyor. Bununla birlikte Muse Model License, belirli ticari koşullar içeriyor. Dolayısıyla modeli bir ürüne eklemek isteyenlerin yalnızca indirme bağlantısına değil, lisans şartlarına da bakması gerekiyor.
Şirketin “ABD’deki en yetenekli açık ağırlıklı model” ifadesini şimdilik bir üretici iddiası olarak değerlendirmek daha doğru. Ben, bağımsız testlerde uzun görevleri ne kadar tutarlı tamamladığını ve gerçek kurulum maliyetini görmeyi daha değerli buluyorum. Sizce bu ölçekte yerel modeller kurumlar için erişilebilir hâle geliyor mu, yoksa donanım eşiği hâlâ çok mu yüksek?
Kaynak: Meta AI Research’ün Muse Spark Open duyurusu.