Merhaba ben Hatice Sinem Başkal. Gazi Üniversitesi Bilgisayar Mühendisliği dördüncü sınıf öğrencisiyim ve aynı zamanda OpenZeka bünyesinde yazılım geliştirici olarak çalışıyorum.
Kim, Ne Zaman Konuştu? NVIDIA Nemotron-3-Diarization ile Jetson Üzerinde Konuşmacı Ayrımı
Bir toplantıda, röportajda veya podcast’te belirli bir bölümü bulmak için kaydın tamamını dinlemek gerekebilir. “Kim, ne söyledi?” sorusunun yanıtı kayıtta olsa da ona ulaşmak zaman alır. Bulut tabanlı servisler bu işi kolaylaştırır; ancak bunun için ses kaydını başka bir sunucuya yüklemeniz gerekir. Speech Studio, bu işlemleri NVIDIA Jetson Orin ...(Devamını oku)
Tek Bir DGX Spark’ta BT Analiz Eden Tıbbi Yapay Zekâ ve 32B Model: MedPortal
Kontrastlı bir batın BT incelemesi yüzlerce kesit, onlarca organ ve gözden kaçmaması gereken çok sayıda olası bulgu demektir. Radyolojideki günlük zorluk tam da budur. Peki bu incelemeyi, hasta verisi kurum dışına hiç çıkmadan, masaüstündeki tek bir sistemde değerlendirmek mümkün olsaydı? OpenZeka'da geliştirdiğimiz MedPortal bu soruya yanıt veriyor. Tek bir ...(Devamını oku)
Qwen3.8-Flash-Next: Tek DGX Spark ve Tek RTX PRO 6000 ile Neler Mümkün?
Qwen3.8-Flash-Next, 262K token bağlam penceresine sahip, 176B parametreli bir Mixture-of-Experts modeli. Artificial Analysis Intelligence Index'te 39.8, Agentic Index'te 53.6 puana sahip.* NVIDIA NVFP4 checkpoint'i 132.7 GB. DGX Spark'ta 128 GB, RTX PRO 6000'de ise 96 GB bellek var; yani kâğıt üzerinde model ikisine de sığmıyor. Ölçümlerimizde ise ikisinde de ...(Devamını oku)
Dört DGX Spark Üzerinde DeepSeek-V4.1-Flash (763B) — 29.5 tok/s
DeepSeek-V4.1-Flash, 552 milyar parametrelik bir omurgaya sahip, çok modlu bir Mixture-of-Experts (MoE) modelidir. Hugging Face checkpoint'i 763 milyar parametre içerir: 552B omurga + 196B Engram koşullu bellek + ~15B görsel kodlayıcı, MLP projektörü ve DSpark draft modeli. MXFP8 dense + MXFP4 expert ağırlık nicelemesi ve FP4 (E2M1) KV önbelleği ...(Devamını oku)
Medikal Görüntülemeden Cerrahi Robotlara Açık Yapay Zeka Modelleri
Sağlıkta yapay zeka artık sadece görüntü sınıflandırma değil. Birkaç yıl öncesine model, görüntü oluştuktan sonra devreye giren ve tek bir soruya cevap veren bir araçtı. Bugün ise yapay zeka görüntü oluşmadan önce, ham sensör sinyalinde başlıyor; görüntüyü oluşturuyor, içindeki anatomiyi ayırıyor, bulguları bir radyolog gibi gerekçelendiriyor, eğitim için sentetik ...(Devamını oku)
NVIDIA Cosmos 3: Robotlar için Tek Modelde Akıl Yürütme, Dünya Simülasyonu ve Eylem
Bir robotun akşam yemeğinden sonra masayı toplaması için bugüne kadar üç ayrı model gerekiyordu. Sahneyi anlayıp plan çıkaran bir görsel-dil modeli (VLM), o planı motor komutlarına çeviren bir eylem modeli (VLA) ve “Bu hareketi yaparsam ne olur?” sorusunu yanıtlayan bir dünya modeli. Üç model demek, üç ayrı çıkarım servisi, ...(Devamını oku)
