AstaBrief-8B
Ai2
Son güncelleme: 3 Ekim 2026
🖥️ Bu model bilgisayarında çalışır mı?
Q4 quantization ile en az 6 GB VRAM ya da birleşik bellek ister — 8 GB ve üstünde rahat çalışır.
4-bit ~5 GB, bf16 ~16 GB (parametre sayısından hesaplandı, ölçülmedi). Eğitim bağlamı 16K.
bf16 yaklaşık 16 GB, 4-bit yaklaşık 5 GB (parametre sayısından hesaplandı). Resmi niceleme yok, topluluk GGUF dosyaları var.
Ekran kartını seç, çalışır mı gör →Bağlam uzunluğu
16K token
API giriş (1M token)
—
API çıkış (1M token)
—
Kullanıcı planı
Ücretsiz (açık kaynak)
Ücretsiz plan mevcut
Türkçe destek
Zayıf
Çok modlu
Hayır
Hızı
Hızlı
Ne İçin Kullanılır?
- ✓Bilimsel literatürden atıflı rapor üretimi
- ✓Kendi sunucunda (vLLM) yerel rapor üretimi
- ✓Gizli/özel belgelerle rapor — veri buluta gitmeden
- ✓Araştırma sorusunu kaynaklı özete dönüştürme
Güçlü Yönler
- ↑Açık ağırlık + Apache 2.0 (kendi altyapında çalıştırma)
- ↑Atıf doğruluğu yüksek: citation precision 90.5 (ScholarQA-CS2)
- ↑8B: kendi donanımında çalışabilir (4-bit ile yaklaşık 5 GB, hesaplandı)
- ↑Ai2 gibi kâr amacı gütmeyen, saygın bir enstitüden
- ↑API ücreti yok
Dikkat Edilecekler
- ↓Genel sohbet için değil — retrieval ve özel prompt formatı şart
- ↓Context 16K — uzun belgelerde sınırlı
- ↓Türkçe desteği zayıf (İngilizce odaklı, test edilmedi)
- ↓Hazır API yok; kendin barındırman gerekir
- ↓Benchmark'lar 2025'te yapılmış, 2026 frontier modelleriyle karşılaştırılmamış
AstaBrief-8B, Allen Institute for AI (Ai2) tarafından 2 Ekim 2026'da açık ağırlıklı olarak yayınlanan 8 milyar parametreli bir model. Ai2'yi belki OLMo ve Tulu serilerinden tanıyorsun; AstaBrief o araştırma hattının bilimsel literatür tarafına düşen halkası. Model Qwen3-8B üzerine kurulu ve temel işi tek cümleyle şu: sana verilen bir araştırma sorusunu ve birlikte getirilen literatür özetlerini alıp, kaynak gösteren (atıflı) bir rapor yazmak. Burada altını çizmek gereken nokta, AstaBrief'ın genel amaçlı bir sohbet modeli olmadığı. Girdisi iki parçalı: soru artı getirilen bilimsel metin kesitleri. Model kendi başına internette arama yapmıyor; retrieval (belge getirme) işini senin ya da kullandığın sistemin yapması gerekiyor. Model kartı da uyarıyor: eğitildiği prompt formatından saparsan çıktı bozulabilir ya da tutarsızlaşabilir. Yani onu doğrudan ChatGPT gibi açıp konuşturacağın bir model değil; bir rapor üretim hattının parçası olarak kullanacaksın. Eğitim tarafında Ai2 bilinçli olarak sade bir yol seçmiş: pekiştirmeli öğrenme (RL) yok; gözetimli ince ayar (47 bin örnek) ve ardından doğrudan tercih optimizasyonu (DPO, 6 bin rapor çifti) kullanılmış. Tercih verisi, Claude, o3, GPT-4.1 ve DeepSeek gibi farklı modellerin ürettiği raporların karşılaştırılmasıyla oluşturulmuş. İki somut sınır var. Birincisi context penceresi: eğitim 16 bin token'da yapılmış, yani uzun belgelerde sınırlısın. İkincisi dil: eğitim verisi ağırlıklı olarak İngilizce (model kartında yalnızca en etiketi var), bu yüzden Türkçe çıktısı zayıf kalabilir; bunu test etmedik. Lisans Apache 2.0; ağırlıkları Hugging Face'ten indirip kendi sunucunda (vLLM ile) çalıştırabilirsin, API ücreti yok. Ai2'nin Asta platformunda ise zaten Fast mode olarak üretimde kullanılıyor.
En Yakın Alternatif
Gerekli Programlar
Açık ağırlıklı bir modeli kendi bilgisayarında çalıştırmak için bir model yöneticisi gerekir. İkisi de ücretsiz, ikisi de Windows, Mac ve Linux'ta çalışır.
LM Studio — görsel arayüz isteyenler için
Modeli listeden seçip indiriyorsun, terminal yok. Yeni başlayan için en kısa yol.
Ollama — terminalden çalıştıranlar için
Terminalden tek komutla model indirip çalıştırıyorsun, arayüz yok. Bu modelin Ollama kütüphanesinde hazır bir sürümü olup olmadığını ollama.com'da arayarak görebilirsin.
Donanım tarafı
Büyük modeller için ekran kartı yetmiyorsa, iş istasyonu sınıfı donanımın ne verdiğini rehberde ölçtük.
DGX Spark rehberi →