Spark-X2.6-4B

Ne İçin Kullanılır?

• ✓Kendi bilgisayarında araç çağıran yerel ajan çalıştırma
• ✓Uzun belge ve kod tabanı üzerinde 1M token'a kadar context ile çalışma
• ✓Düşünme bütçesini kademelendirerek gecikme/maliyet dengesi kurma (none / low / high)
• ✓llama.cpp, Ollama ve LM Studio üzerinden çevrimdışı kullanım
• ✓Ajan iş akışları için vLLM/SGLang ile OpenAI uyumlu kendi sunucunu kurma

Spark-X2.6-4B, XHToken ekibinin (SparkLLM) 21 Ekim 2026'da Apache 2.0 lisansıyla yayınladığı 4 milyar parametrelik açık ağırlıklı model. Hedefi net: telefon, dizüstü ve mini PC üzerinde çalışan, araç kullanan ajanlar. Ağırlıklar Hugging Face'te indirilebilir durumda, ticari kullanıma da açık. Model, bir ay önceki Spark-X2.5-4B ile birebir aynı mimariyi kullanıyor; kartın kendi ifadesiyle kazanç tamamen post-training'den geliyor. Mimari hibrit dikkat: 36 katmanın çoğu 512 token'lık kayan pencereyle, her dört katmanda biri tam dikkatle çalışıyor. Bu yapı 1.048.576 token'a kadar context açıyor. Kartın örnek kodunda çıktı sınırı 131.072 token'a ayarlı. En pratik tarafı düşünme bütçesi. Üç kademe var: hiç düşünme, düşük, yüksek. Aynı modeli basit bir sınıflandırma için hızlı, karmaşık bir kod hatası için derin çalıştırabiliyorsun. Araç çağırma ilk günden destekli; llama.cpp b10828 ve sonrası, Ollama 0.34.1 ve sonrası, LM Studio 0.4.0 ve sonrası modeli tanıyor. vLLM ve SGLang tarafında OpenAI uyumlu sunucu olarak da açabiliyorsun. Sayılar modele değil, üreticinin kendi tablosuna ait. Karttaki karşılaştırmada genel ortalama 63,3; Spark-X2.5-4B 52,1, Qwen3.5-9B 49,1, Qwen3.5-4B 43,2, Gemma4-12B 47,0 ve Gemma4-E4B 29,7 görünüyor. Kod tarafında SWE Verified 62,8, SWE Pro 54,3; ajan tarafında BFCL-V4 71,8, τ²-bench 86,9, MCP-Atlas 62,4, BrowseComp 53,1; bilgi tarafında GPQA Diamond 77,1 ve IFEval 93,6. Uzun context'te Graphwalks bfs 1m f1 skoru 34,2 ve OpenAI MRCR v2 512k-1M 26,0 — yani 1M pencere var ama o pencerenin en ucunda doğruluk belirgin şekilde düşüyor. Rakip skorların bir kısmı yıldızlı, yani kendi kartlarından alınmış beyanlar; bağımsız ölçüm yok. SWebBench ve PAgentBench üreticinin kendi testleri ve henüz açık kaynak değil. Donanım tarafı gerçekten hafif. GGUF dosyaları Q4_K_M 3,54 GB, Q8_0 4,38 GB, tam hassasiyet 8,23 GB. Q4 ile 6 GB VRAM'li bir kartta çalışır, 8 GB'de rahat. Dikkat: Ollama'daki tek sürüm 8,2 GB'lık tam hassasiyetli dosya, yani ollama run komutu Q4'ü değil onu indiriyor. Ama 1M context'i yerelde açmak ayrı bir iş: kart, sunucuyu başlatırken context uzunluğunu düşürmeyi öneriyor. Günlük kullanımda 32K-128K aralığı gerçekçi. Türkçe için beklentiyi düşük tut. Model kartındaki dil listesi yalnızca İngilizce ve Çince. Kendi Türkçe testimizde de bu doğrulandı: ek çekimi istediğimiz listeyi hiç çekimlemeden geri verdi, deyimleri yanlış anlamda kullandı, dilekçede anlamsız cümleler kurdu ve araya "checkler", "Datum" gibi yabancı kelimeler kaçırdı. Kartta bilgi kesim tarihi verilmiyor. Kime yarar: kendi makinesinde araç çağıran bir ajan çalıştırmak isteyen, Türkçe dışı işlerde hızlı ve ucuz bir 4B arayan. Kime yaramaz: Türkçe üretim yapacaklar ve 1M context'i yerelde sonuna kadar kullanmayı bekleyenler.

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.