22 Ekim 2026 PerşembeSayı № 295
I Model ÇıkışıTopluluk

Recursive Flint: GPU-az kodlama ajanları için yeni Qwen3.8 35B modeli

Recursive Flint, 40 Milyar parametreli (2,5 Milyar aktif) bir kodlama ajanı modeli olarak tanıtıldı ve Qwen3.6‑35B‑A3B'yi TerminalBench 2.1 ile SWE‑bench Pro v2'de geride bıraktığını iddia ediyor. Model, 262 k bağlam uzunluğu ve 3:1 SWA‑full attention mimarisiyle GPU‑kısıtlı ortamlarda performans artışı vaat ediyor. Ancak ilk geri bildirimler, Ornith‑1.5'in hâlâ bu sınıfta standart olduğunu gösteriyor.

Reddit LocalLLaMA kaynağından derlendi · · 1 dk okuma

Orijinal haber ↗
Görsel: Reddit LocalLLaMA

Özetle

  1. 1

    Recursive Flint, 40 B parametreli ancak sadece 2,5 B aktif parametreyle GPU‑kısıtlı ortamlarda yüksek verim sunmayı hedefliyor.

  2. 2

    TerminalBench 2.1 ve SWE‑bench Pro v2 testlerinde Qwen3.6‑35B‑A3B modelini geride bıraktı.

  3. 3

    262 k bağlam uzunluğu ve 3:1 SWA‑full attention mimarisi, uzun kod parçacıklarının işlenmesinde avantaj sağlıyor.

Reddit'in LocalLLaMA topluluğu, yeni bir kodlama ajanı modeli olan Recursive Flint'i duyurdu. Model, 40 Milyar parametreye sahip olmakla birlikte yalnızca 2,5 Milyar parametresi aktif çalışıyor; bu sayede sınırlı GPU kaynaklarıyla yüksek performans sağlanması hedefleniyor. Recursive Flint, 262 000 token'lık bağlam uzunluğu ve 3:1 SWA‑full attention mimarisiyle dikkat çekiyor.

Topluluk üyeleri, Recursive Flint'in Qwen3.6‑35B‑A3B modelini TerminalBench 2.1 ve SWE‑bench Pro v2 testlerinde geride bıraktığını belirtiyor. İlgili Hugging Face deposunda yayınlanan tabloya göre, model diğer gösterilen benchmarklarda da eşit ya da daha iyi sonuçlar elde etmiş. Bu başarı, özellikle GPU kaynakları sınırlı olan geliştiriciler için kod üretiminde yeni bir dönüm noktası olabileceği anlamına geliyor.

Recursive Flint'in tanıtımı, Wired dergisinde "korkunç derecede iyi" olarak nitelendirildi ve modelin llama.cpp ve Unsloth GGUF formatları için resmi PR'ları yayınlandı. Modelin blog gönderisi ve ilgili haberler, topluluk içinde geniş bir ilgi uyandırdı.

Ancak, bir güncelleme notunda, bazı kullanıcıların Ornith‑1.5 modelinin hâlâ aynı sınıftaki en iyi performansı sunduğu yönünde geri bildirimlerde bulunduğu belirtiliyor. Geliştiriciler, bu durumun erken aşama uygulama hatalarından kaynaklanabileceğini ve ilerleyen günlerde iyileştirmelerle geride kalmayabileceğini umuyor.

Yöney yorumu

Recursive Flint'in performans iddiaları, kodlama ajanları pazarında rekabeti artırarak geliştiricilerin daha az donanımla verimli çözümler üretmesine olanak tanıyabilir; ancak gerçek dünya testleri ve Ornith‑1.5 ile karşılaştırmalar sonuçları netleştirecek.

Yapay zekâ tarafından üretilmiştir.
Devamı kaynakta

Bu haber Reddit LocalLLaMA kaynağından derlenip Türkçeye aktarıldı. Ayrıntılar ve orijinal metin için oka tıklayın.

I

Aynı bölümden

Tümü →
I Model Çıkışı

Kitten-TTS 2: Açık Kaynak 1.58-bit TTS Modeli Gerçek Zamanlı CPU Üzerinde Çalışıyor

KittenML, dünyanın ilk 1.58-bit ternary ağırlıklı TTS modeli Kitten-TTS 2'yi duyurdu. Model, sadece CPU üzerinde gerçek zamanlı ses sentezi, sıfır‑shot ses klonlama, çok dilli destek ve duygu/ton kontrolü sunuyor.

Özetle 3 madde
  1. Dünyanın ilk 1.58-bit ternary ağırlıklı TTS modeli, gerçek zamanlı CPU inference imkanı.
  2. Sıfır‑shot ses klonlama, 5 saniyeden az referansla çok dilli ve aksanlı ses üretimi.
  3. Duygu/ton ve vurgulama kontrolü sayesinde ifadeli konuşma sentezi.

Reddit LocalLLaMA

I Model Çıkışı

Google Cloud, OpenAI’nin GPT-6 Serisini Özel Önizleme ile Model Garden’a Ekledi

Google Cloud, OpenAI’nin en yeni büyük dil modelleri GPT-6 Astra, GPT-6.1 Sol ve GPT-6 Luna’yı Model Garden platformunda özel önizleme olarak sunarak, kapalı kaynak LLM’leri tek bir bulut ortamında birleştiren ilk hiperskala sağlayıcı konumuna geldi. Bu entegrasyon, kurumsal müşterilere model seçimini, maliyet kontrolünü ve veri güvenliğini tek bir faturada yönetme imkanı tanıyor.

Özetle 3 madde
  1. Google Cloud, Model Garden’da GPT‑6 Astra, GPT‑6.1 Sol ve GPT‑6 Luna’yı tek bir platformda sunarak kapalı kaynak LLM’leri tek bir bulut sağlayıcısına topladı.
  2. Müşteriler modelleri API üzerinden seçip değiştirebilecek, maliyetler Google Cloud faturasıyla tek birleştirilecek ve Flexible Savings Plans sayesinde tasarruf sağlayabilecek.
  3. Veriler müşterinin veri sınırı içinde kalıyor; model çıktıları eğitim için kullanılmıyor ve Confidential Compute, VPC Service Controls gibi güvenlik katmanları sağlanıyor.

TestingCatalog

I Model Çıkışı

Recursive, yerel kodlama için 40 milyar parametreli Flint modelini duyurdu

Recursive, yerel AI donanımında hızlı kodlama yapabilen 40 Milyar parametreli bir mixture‑of‑experts (MoE) modeli olan Flint'i piyasaya sürdü. Model, her token için yalnızca 2,5 Milyar aktif parametre kullanarak hesaplama maliyetini önemli ölçüde düşürüyor ve MacBook Pro ile RTX Spark üzerinde 125‑150 token/sn hızlara ulaşıyor.

Özetle 3 madde
  1. Flint, 40 Milyar toplam parametreye rağmen her token için sadece 2,5 Milyar aktif parametre kullanarak hesaplama maliyetini %50’ye kadar azaltıyor.
  2. SWE‑Bench Pro v2, Terminal‑Bench 2.1 ve SWE‑Bench Verified gibi benchmarklarda 50 Milyar altı MoE modelleri arasında lider konumda.
  3. MacBook Pro (M4 Pro) ve NVIDIA RTX Spark üzerinde sırasıyla 125+ ve 150+ token/sn hızlara ulaşarak yoğun kodlama modellerinden beş kat daha hızlı çalışıyor.

TestingCatalog