Naive-N0.5-Flash
NaiveAI
Son güncelleme: 30 Eylül 2026
🖥️ Bu model bilgisayarında çalışır mı?
Ağırlıkları açık, ama tüketici donanımında pratik değil: 309B toplam parametre (15.5B aktif) — 4-bit nicelemede bile yaklaşık 150 GB+ VRAM/bellek gerektirir
309B MoE — tüketici donanımında yerel çalıştırma pratik değil
Ekran kartını seç, çalışır mı gör →Bağlam uzunluğu
1M token
API giriş (1M token)
$0.1
API çıkış (1M token)
$0.4
Kullanıcı planı
Açık ağırlıklar (MIT); API erişimi teyit edilmedi
Türkçe destek
Orta
Çok modlu
Hayır
Hızı
Hızlı
OpenAI uyumlu
Hayır
Ne İçin Kullanılır?
- ✓Kodlama ve yapay zeka Ar-Ge görevleri
- ✓Native 1M context gerektiren uzun belge/depo analizi
- ✓Açık ağırlıkla kendi altyapında çalıştırma
- ✓Yüksek hacimli, maliyete duyarlı çıkarım
- ✓Yüksek token hızı gerektiren toplu işler
Güçlü Yönler
- ↑MIT lisanslı açık ağırlıklar ve çıkarım kodu
- ↑309B toplam / 15,5B aktif parametreli MoE mimarisi
- ↑Native 1M token context; SWA + DSA mimarisi
- ↑Üreticinin duyurduğu API fiyatı: 0,10 / 0,40 dolar; erişim teyidi gerekli
- ↑Üreticinin NaiveRT Ultrafast koşullarında bildirdiği 2.000 token/sn’ye kadar hız
Dikkat Edilecekler
- ↓Resmî FP8 ağırlıkları yaklaşık 315 GB; çıkarım için ek GPU belleği gerekiyor
- ↓API genel erişimi doğrulanmadı; fiyatlar duyurulan tarife
- ↓Ücretsiz API kotası doğrulanmadı
- ↓Türkçe performansı ve bilgi kesim tarihi doğrulanmadı
- ↓OpenRouter’da 30 Eylül 2026 kontrolünde listelenmiyor
- ↓Hız ve benchmark sonuçları üretici değerlendirmelerine dayanıyor
Naive-N0.5-Flash, NaiveAI'ın Eylül 2026'da yayımladığı, kodlama ve yapay zeka Ar-Ge işleri için konumlandırdığı açık ağırlıklı model. MoE mimarisinde 309 milyar toplam parametre var; token başına 15,5 milyar parametre aktif oluyor. Ağırlıklar ve çıkarım kodu MIT lisansıyla sunuluyor. Aktif parametre sayısının küçük olması, tüm ağırlıkların bellek ihtiyacını ortadan kaldırmıyor. MiMo-V2.5 tabanı üzerine kurulan model native 1 milyon token context destekliyor. 48 katmanın 39'u kayan pencere attention (SWA), 9'u DeepSeek seyrek attention (DSA) kullanıyor; tam attention katmanı yok. SWA penceresi 128 token, DSA seçimi top-2.048 token. Bu mimari uzun context hesaplamasını azaltmayı hedefliyor. Üretici, kendi NaiveRT çıkarım sisteminde standart modda kullanıcı başına 50 token/sn, Ultrafast modda 2.000 token/sn'ye kadar hız bildiriyor. Bunlar belirli altyapı ve çalışma koşullarına ait üretici sonuçları; her kurulumda bekleyebileceğin hızlar değil. Resmî model kartında kodlama, ajan görevleri ve AI araştırması için benchmark sonuçları ve değerlendirme yöntemi yayımlanmış durumda. Bu sonuçlar bağımsız testimiz değil. Duyurulan API tarifesi 1 milyon token başına 0,10 dolar giriş, 0,40 dolar çıkış ve 0,01 dolar cache okuma. Ancak model kartı API erişimini gelecek zamanla anlatıyor; geliştirici platformu bulunsa da genel erişim durumunu doğrulayamadım. Bu fiyatları kullanılabilirliği garanti edilmiş bir hizmet tarifesi olarak değerlendirme. Açık ağırlıkların ücretsiz indirilebilmesi de ücretsiz API kotası olduğu anlamına gelmiyor. Resmî FP8 kurulumunda ağırlıklar yaklaşık 315 GB yer kaplıyor ve çıkarım için ek GPU belleği gerekiyor; FP8 destekli NVIDIA GPU'lar isteniyor. Tüketici ekran kartında kolayca çalıştırılabilecek bir model değil. 4-bit için yaklaşık 150 GB hesabı yalnızca teorik ağırlık boyutu tahminidir, doğrulanmış bir kurulum gereksinimi değil. OpenRouter'ın 30 Eylül 2026 model listesinde bulunmuyor. Bilgi kesim tarihi ve Türkçe performansı doğrulanmadı. Kaynaklar: [resmî model kartı](https://huggingface.co/NaiveAI/Naive-N0.5-Flash), [NaiveAI teknik raporu](https://naive.ai/en/research/). Son kontrol: 30 Eylül 2026.
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 →