Testler
Yerel modeller, donanım ve araçlar.
Küçük deneyler, gerçek ölçümler,
açık kalan sorular.
Aynı soruyu on kez sordum: sıcaklık 0’da bile cevap neden değişiyor?
Yerel Qwen’e aynı soruyu sıcaklık 0’da on kez sordum: tek başınayken on aynı cevap, kalabalıkta on farklı cevap. Tutarlılık doğruluk demek değil.
Yapay zekâya “düşün” deyince Türkçe sorularda ne değişiyor?
Yerel Qwen’e 450 Türkçe lise sorusunu düşünme kapalı ve üç seviyede sordum: doğruluk %72’den %87’ye çıktı; en uzun seviye 3,4 kat token harcadı, kazandırmadı.
Aynı teste Mac de katıldı: M4 Pro, RTX 5090 ve Ryzen AI Max+ 395
Aynı Gemma 4 26B-A4B, 9 Türkçe görev: üretim ortancası M4 Pro 51,2, RTX 5090 210,4, Ryzen 43,5 token/sn. Mac boşta değildi; üç özet yanıtı yarım kaldı.
512 GB bellek için ne kadar ödersin? RTX 5090, RTX PRO 6000, DGX Spark ve Mac Studio M5 Ultra
Dört seçeneği 512 GB belleğe eşitleyip Türkiye fiyatlarıyla GB, bant genişliği ve işlem gücü başına maliyeti hesapladım. Ucuz olan ile hızlı olan farklı çıkıyor.
HyperQwen ile tek RTX 5090’da Qwen3.8-27B: saniyede 225 token, ama Türkçede %23 yavaş
HyperQwen’i tek RTX 5090’da 450 W’ta denedim: tek kişide 225, 64 kişide 2.696 token/sn. Türkçe istemlerde tahminler daha az tutuyor, hız %23 düşüyor.
Uzun bir metni okutunca ne kadar bekliyorum? Ryzen AI Max+ 395’te 1k’dan 64k token’a
128 GB birleşik bellekli Ryzen AI Max+ 395’e 1k–64k token Türkçe metin verdim: üç model, Vulkan ve ROCm, 72 istek. Bekleme metinden hızlı uzuyor.
Yapay zekâ YKS’ye girdi: yerel bir model 278 sorudan 261’ini bildi
2026 YKS’nin 278 sorusunu 8 yerel ve 2 bulut modele çözdürdüm. Evdeki Gemma 4 31B 261 doğru yaptı, GPT 277, Claude 271. Matematikte düşünmek şarttı.
Yapay zekâya yazım hatasıyla sorunca cevap bozuluyor mu?
Yerel Qwen’e 900 lise sorusunu altı yazımla 10.800 kez sordum: Türkçe karaktersiz yazmak fark etmiyor, kelimelerin yarısı hatalıysa doğru cevap 11,5 puan düşüyor.
Yapay zekâya kibar sorunca cevap uzuyor mu?
Yerel Qwen’e 50 gerçek Türkçe soruyu beş üslupla 750 kez sordum: kibarlık cevabı uzatmıyor, “Kısa cevap ver.” %93 kısaltıyor, teşekkür 834 token.
Aynı modeli RTX 5090 ve Ryzen AI Max+ 395’te çalıştırdım
Aynı dosya, aynı 9 Türkçe görev: RTX 5090 üretimde 4–7 kat hızlı, fark bellek hızından. Doğruluk değişmiyor; 63 GB’lık gpt-oss-120b’de üç kart Ryzen’e karşı.
Türkçe modelimi nöron diline çevirdim: yapay zekâ beyinde çalışabilir mi?
42M parametrelik Türkçe GPT’mi spike atan sanal nöronlarla çalıştırdım: doğrudan çevirince çöktü, nörona göre eğitince perplexity 23,8’ten 28,5’e çıktı.
Yapay zekâya uzun metin verince ilk kelime ne kadar gecikiyor?
Yerel Qwen’de 214 istekle ölçtüm: her 1.000 token 0,25 sn bekleme ekliyor, aynı belgenin Türkçesi 1,37 kat geç, ikinci soruda önbellek 0,33 sn.
Sıfırdan Türkçe GPT eğittim: tek RTX 5090’da bir saat
42,2 milyon parametrelik Türkçe GPT’yi tek RTX 5090’da 60 dakikada sıfırdan eğittim: kayıp eğrisi, örnek çıktılar, hız, kWh ve büyük laboratuvarla oran.
Sayı, tarih ve kodda Türkçe kaç token tutuyor?
1000 tutar, 365 tarih ve 22 kod dosyasını 14 tokenizer’dan geçirdim: TL ile dolar aynı, Türkçe tarih daha ucuz; fark kod yorumlarında, GPT-4o’da yüzde 32.
Kendi Türkçe tokenizer’ımı eğittim: GPT-4o’dan yüzde 27 az token
Türkçe Wikipedia’dan 100 milyon karakterle 9 saniyede bir BPE sözlüğü eğittim: GPT-4o’dan yüzde 27 az token. Sözlük büyüklüğü, metin miktarı ve İngilizcenin bedeli.
Türkçe yazınca yapay zekâ daha mı pahalı?
Aynı 2009 cümleyi Türkçe ve İngilizce olarak 14 modelin tokenizer’ından geçirdim: fatura, bağlam ve bekleme süresine etkisi.
Üç video modeline aynı sahneleri canlandırttım
Wan 2.2, MiniMax H3 ve LTX-2.5’i tek RTX 5090’da aynı üç çizimle denedim: bekleme süreleri, netlik ve hızlandırmanın bedeli.
128 GB ASUS Ryzen AI Max+ 395 ile GLM 5.3 Flash denemesi
128 GB Ryzen AI Max+ 395 üzerinde GLM 5.3 Flash: token/saniye, cevap süreleri, bellek, gerçek yanıtlar ve önceki vLLM/ROCm ile llama.cpp/Vulkan deneyimleri.
Bir model uygulamayı teslim etti, gerçekten kullanılabiliyor mu?
Codex ve dört yerel modele aynı görev uygulamasını üçer kez yazdırdım. Dış testleri geçen teslimleri tarayıcıda da kontrol ettim.
Local LLM ne zaman mantıklı? Yazılım geliştirmede hız, kalite ve maliyet
Altı yerel model ve Codex ile aynı yazılım görevleri: çalışan teslimler, hız, tokenlar ve donanım, abonelik, API maliyetleri.
Ryzen AI Max+ 395 ile ASUS üzerinde yerel sohbet denemesi
Qwen3.5-9B ile günlük Türkçe işler: üç kurulumda bekleme süreleri, hesap hataları ve verilen bilgiye bağlı cevaplar.
Üç görsel modeline aynı tarifi verdim
Aynı istek, üç farklı sonuç. 72 görselde gördüğüm farklar, bekleme süreleri ve AMD bilgisayarda neden durduğum.
GLM 4.7 Flash: ROCm ve CUDA ortamlarında
Ryzen AI Max+ 395 ve iki RTX 5090 üzerinde aynı BF16 model: kod, JSON, araç çağırma ve eşzamanlı isteklerin sonuçları.
Qwen ve Devstral’a aynı uygulamayı yazdırdım
Deney Defteri: aynı iki RTX 5090 ve FP8 profillerinde üçer teslim, API ve arayüz testleri, token tüketimi ve süreler.
Aynı iki 5090 üzerinde Devstral ve Qwen kod teslimi
Üç projede aynı görev ve test akışı: ilk teslim, ek düzeltmeler, token tüketimi ve süre.
Uzun girdide Qwen: cache, TP2 ve iki model kopyası
Uzun bağlamda bekleme süresi ve aynı iki RTX 5090 üzerinde tek bölünmüş model ile iki bağımsız kopyanın 864 istekli ölçümü.
MTP’yi doğruluk ve eşzamanlı isteklerle denedim
Aynı Qwen’de cevap doğruluğu, toplam hız, kişi başına hız ve ilk yanıt süresini ayrı ölçtüm.
Aynı uzun girdiyi tekrar gönderince ne değişti?
1K, 4K ve 8K token girdilerde Qwen’in ilk yanıt süresini ve prefix cache kullanımını ölçtüm.
JSON düzgün geldi, peki içindeki bilgi doğru mu?
Qwen ve coder’da yalnız prompt ile JSON şeması kullanımını ayrı değerlendirdim.
Türkçe belge aramada sorgunun başına ne yazdım?
Qwen3-Embedding ile sorgu talimatını ve metinleri toplu işlemenin hızını denedim.
Qwen ve küçük coder’a aynı üç kod işini verdim
CSV, aralık birleştirme ve topolojik sıralama: hız ile testten geçme oranını birlikte ölçtüm.
Qwen’de MTP’yi kapatınca hız ne oldu?
İki RTX 5090 üzerinde aynı modeli, yalnız MTP ayarını değiştirerek test ettim.
10 kullanıcı, üç model, aynı makine
Sohbet, hafif coder ve embedding birlikte çalışırken ne oluyor?
Qwen’i 1, 2 ve 3 kartta çalıştırmak
Tek sohbet hızında kart sayısı ve paralellik yönteminin etkisi.