Meta'nın 816B Muse Spark Open 39, Qwen3.8-Flash-Next 180B 40 Puan Aldı – 11 Açık Ağırlıklı Modelin Boyut‑Puan İlişkisi
Meta'nın 816 milyar parametreli Muse Spark Open modeli Artificial Analysis benchmark'ında 39 puan alırken, 180 b milyar parametreli Qwen3.8‑Flash‑Next 40 puanla en yüksek skoru elde etti. Reddit topluluğu, bu puanları parametre sayısına göre log‑ölçekli bir grafikte karşılaştırarak, model verimliliği ve yerel kurulum gereksinimlerine dair önemli ipuçları sundu.
Özetle
- 1
Muse Spark Open 816B modeli 39 puan alarak büyük parametreli modeller arasında üst sıralarda yer aldı
- 2
Qwen3.8‑Flash‑Next 180B modeli 40 puanla en yüksek skoru elde etti
- 3
MiMo‑V2.6‑Pro 1T parametreyle 46 puan alarak grafiğin zirvesinde
- 4
Meta, Muse Spark Open için iki M5 Ultra Mac Studio (512 GB) önerdi
- 5
Unsloth 4‑bit kuantizasyonları 16‑19 GB bellekle çalışabiliyor
Reddit'in LocalLLaMA topluluğu, Artificial Analysis (AA) benchmark sonuçlarını parametre sayısına göre log‑ölçekli bir grafikte derledi. Meta'nın yeni Muse Spark Open modeli, toplam 816 b parametreye sahip ancak aktif olarak 42 b parametre kullanan bir yapı ile 39 puan topladı. Aynı grafikte, 180 b parametreli Qwen3.8‑Flash‑Next modeli 6 b aktif parametreyle 40 puan alarak en yüksek skoru elde etti.
Grafikte ayrıca Qwen3.8 27B (34 puan), Beam (501B, 30 puan) ve Nemotron 3.5 Bolt (74B, 21 puan) gibi modeller de yer alıyor. En üst sırada ise MiMo‑V2.6‑Pro (1 trilyon parametre, 46 puan), DeepSeek V4.1 Flash 1017 (552 b, 45 puan) ve GLM‑5.3 (753 b, 45 puan) bulunuyor. Skorlar, AA'nın kendi değerlendirme koşullarına göre tek bir toplu sayı olarak sunulmuş; hız, uzun bağlam, görsel yetenekler veya kullanıcı‑özel görev performansı bu puanlarda yer almıyor.
Teknik detaylar da paylaşılmış: Unsloth UD‑Q4_K_XL GGUF dosyalarının boyutları Muse Spark Open için yaklaşık 506 GB, Qwen3.8‑Flash‑Next için ise 111 GB. Meta, Muse Spark Open'ı yerel olarak çalıştırmak için iki adet M5 Ultra Mac Studio (her biri 512 GB) öneriyor. Unsloth'un 4‑bit kuantizasyonları ise 16‑19 GB bellek gerektiriyor, bu da modelin hafıza verimliliğine işaret ediyor.
Topluluk yorumları, bu tür büyük açık‑ağırlıklı modellerin erişilebilirliğinin hâlâ sınırlı olduğunu, ancak GGUF kuantizasyonları ve güçlü yerel donanım önerileri sayesinde daha geniş bir kullanıcı kitlesinin deneme şansı bulduğunu vurguluyor. Bu veriler, araştırmacıların ve geliştiricilerin model seçimini parametre sayısı, aktif parametre oranı ve donanım gereksinimleri üzerinden daha bilinçli yapmalarına yardımcı olacak.
Yöney yorumu
Bu benchmark güncellemesi, parametre sayısına göre model performansının daha net anlaşılmasını sağlarken, yerel kurulum önerileri ve kuantizasyon çözümleri sayesinde büyük modellerin erişilebilirliğini artırıyor. Geliştiriciler, yüksek puanlı modelleri seçerken hem aktif parametre oranını hem de donanım gereksinimlerini göz önünde bulundurabilecek.
Haberdeki skorlar
Bu skorların kaynak metinde birebir geçtiği doğrulandı. Bilinen testlerin sonuçları Benchmark sıralamalarına da eklenir.
- Muse Spark OpenArtificial Analysis · AA eval runs39
- Qwen3.8-Flash-NextArtificial Analysis · AA eval runs40
- Qwen3.8 27BArtificial Analysis · AA eval runs34
- BeamArtificial Analysis · AA eval runs30
- Nemotron 3.5 BoltArtificial Analysis · AA eval runs21
- MiMo-V2.6-ProArtificial Analysis · AA eval runs46
- DeepSeek V4.1 Flash 1017Artificial Analysis · AA eval runs45
- GLM-5.3Artificial Analysis · AA eval runs45
Bu haber Reddit LocalLLaMA kaynağından derlenip Türkçeye aktarıldı. Ayrıntılar ve orijinal metin için oka tıklayın.
