Yerel yapay zekâ modelleri: Ekim 2026 testleri
Kandinsky 6.0, Qwen-Image 2.1 Turbo, FLUX 3 Klein ve YuE2 modellerini RTX 4090’da hız, VRAM ve lisans açısından inceledim.
👁 115 okunma
Ekim 2026’da bilgisayarınızda çalıştırmaya değer birkaç açık model yayımlandı: sesli video için Kandinsky 6.0, görseller için Qwen-Image 2.1 Turbo ve FLUX 3 Image Klein, vokalli şarkılar içinse YuE2. Modelleri RTX 4090’a indirip ComfyUI’de çalıştırdım; süreleri, bellek kullanımını ve Lehçe performanslarını ölçtüm. Aşağıda sonuçları ve ayrıntılı testlerin bağlantılarını bulabilirsiniz.
17 Ekim 2026 itibarıyla özet
- Video: Kandinsky 6.0 Lite, sesli 5 saniyelik bir klibi yaklaşık 2 dakikada; Pro ise yaklaşık 6,5 dakikada oluşturuyor. MIT lisanslı.
- Görseller: Qwen-Image 2.1 Turbo bir görseli 13-20 saniye yerine 3-4 saniyede oluşturuyor. Lisansı yalnızca araştırma amaçlı.
- Müzik: YuE2 Lehçe şarkı söylüyor; üç denemedeki kelimelerin ortalama %91,2’si anlaşıldı. Ancak en tutarlı sonuç MIT lisanslı ACE-Step 1.5’ten geldi: %95,6.
- FLUX 3 Klein: Görsel başına 6-7 saniye sürüyor ve yalnızca 7,5 GB VRAM kullanıyor; bu nedenle 8-12 GB belleğe sahip ekran kartlarına da sığıyor.
Test düzeneği
- RTX 4090 24 GB ekran kartı, 64 GB RAM, i9-14900KF işlemci ve Windows 11.
- ComfyUI 0.41.0 kullandım. Eski sürüm FLUX 3, YuE2 ve Qwen Turbo’yu desteklemediği için 0.37’den güncelledim.
- Modeller USB üzerinden bağlanan 8 TB SSD’deydi. NVMe disk kullanılsaydı ilk yükleme daha kısa sürerdi.
- Süreyi, görevi başlattığım andan dosyanın kaydedilmesine kadar ölçtüm. VRAM değeri, nvidia-smi ile ölçülen tüm ekran kartının en yüksek bellek kullanımıdır.
Modellerin karşılaştırma tablosu
| Model | Kullanım | RTX 4090 sonucu | Lisans |
|---|---|---|---|
| Kandinsky 6.0 Lite | 5 saniyelik video ve ses | 1:51-2:28 dakika, 19-20 GB | MIT |
| Kandinsky 6.0 Pro (int8) | 5 saniyelik video ve ses | 6:18-6:52 dakika, 21 GB + RAM’de 29 GB | MIT |
| Qwen-Image 2.1 Turbo | Görseller | Görsel başına 3-4 saniye, 17-19 GB | Qwen Research |
| YuE2 | Vokalli şarkılar | 2 dakikalık şarkı 1-2 dakikada, 13-16 GB | CC BY-NC 4.0 |
| DiffRhythm 2 | Vokalli şarkılar | 2 dakikalık şarkı yaklaşık 1 dakikada; yalnızca İngilizce ve Çince | Apache 2.0 |
| FLUX 3 Image Klein | Görsel üretimi ve düzenleme | Görsel başına 6-7 saniye, 7,5 GB | FLUX Kommunity |
Video: Kandinsky 6.0
Ayın en dikkat çekici yeniliği. Kandinsky Lab’in Kandinsky 6.0 modeli, görüntü ve sesi tek bir işlemde üretiyor: dudak hareketleriyle eşleşen konuşma, ortam sesleri ve arka plan müziği. Lite sürümü 3 milyar parametreye sahip ve 24 GB belleğe sığıyor. Pro’nun 29 milyar parametresi var; RTX 4090’da çalışırken ağırlıkların bir bölümü RAM’e aktarılıyor.
- Pro, Lehçe test cümlesinin 9 kelimesinden 7’sini doğru söyledi; İngilizce cümleyi hatasız söyledi. Testte kullanılan Lehçe cümlenin Türkçe çevirisi: “Günaydın! Bahçeden taze elmalar, bal gibi tatlı!”
- Lite üç kattan fazla hızlı, ancak Lehçe konuşmayı bozuyor.
- Lisansı ülke istisnası içermeyen MIT lisansı. Bu önemli; rakip MiniMax H3’ün ağırlık lisansı AB’de kullanıma izin vermiyor.
Sekiz sesli klip, süre tablosu ve kurulum yönergeleri Kandinsky 6.0 ile yerel video üretimi testinde.
Görseller: Qwen-Image 2.1 Turbo
Artificial Analysis sıralamasındaki en iyi açık görsel modelin damıtılmış sürümü. 25 adım yerine 8 adım kullanıyor; yan yana karşılaştırma yapmadan kalite farkını görmek zor. Lehçe orijinal test ifadelerinin çevirisi olan “ODRA ÜZERİNDE CAZ” ve “SİRKE 12 orijinal Leh para birimi” metinleri doğru çıktı; orijinal Lehçe testteki bozuk yazı ise hatalıydı. Aşağıdaki metinler testte kullanılan Lehçe ifadelerin Türkçe çevirisidir: “ODRA’DA CAZ” ve “SİRKE 12”.
Dört istemin tamamını içeren karşılaştırma: Qwen-Image 2.1 Turbo’yu yerel çalıştırma.
Görseller: FLUX 3 Image Klein
Black Forest Labs, 13-15 Ekim’de FLUX 3 ailesinin ilk açık modelini yayımladı. Klein 5,6 milyar parametreye sahip; metinden görsel oluşturabiliyor, görselleri düzenleyebiliyor ve en fazla 10 referans görseliyle kompozisyon hazırlayabiliyor. Metin kodlayıcısı Qwen3-VL-4B; VAE’si ise FLUX.2 ile aynı. ComfyUI, 0.41 sürümünden itibaren modeli yerel olarak destekliyor.
- ComfyUI dosyaları: int8 model 5,83 GB, int8 kodlayıcı 4,86 GB, VAE 0,34 GB.
- Üretici, üretimden önce istemin genişletilmesini özellikle öneriyor. Bunun için Qwen 3.5 9B tabanlı ayrı bir “prompt upsampler” veya herhangi bir dil modeli kullanılabilir. Kısa istemler genel ve sıradan görseller oluşturuyor.
- Depoya erişmek için FLUX Kommunity lisansını kabul etmek gerekiyor; indirme için Hugging Face hesabı ve erişim belirteci gerekli.
Ölçümümde 1024×1536 boyutunda bir görsel, 15 adım ve int8 ayarıyla 6-7 saniyede oluşturuldu. Ekran kartının toplam VRAM kullanımı en fazla 7,5 GB oldu; bu, Qwen Turbo’nun yarısından daha az. Lehçe yazılar Qwen Turbo’dakiyle aynı sonucu verdi: Lehçe orijinal test ifadelerinin çevirisi olan “ODRA” ve “12 orijinal Leh para birimi” doğruydu, orijinal Lehçe testteki bozuk yazı ise hatalıydı. Burada gösterilen ifadeler, testte kullanılan Lehçe metinlerin Türkçe çevirisidir: “ODRA” ve “12”. Aynı istemlerle karşılaştırma ve indirme yönergeleri FLUX 3 Image Klein’ı yerel çalıştırma testinde; bulut sürümü ise FLUX 3 Image’i kullanma rehberinde.
Müzik: YuE2 ve dört modelin karşılaştırması
Aynı Lehçe metni (iki kıta ve iki nakaratlı bir balad) dört yerel modele verdim ve çıktıları Whisper large-v3 ile çözümlendirdim. Şarkı kaydında metindeki kelimelerin yüzde kaçının tanınabildiğini hesapladım. Test Lehçe yapıldı; aşağıdaki sonuçlar Türkçe performans ölçümü değildir.
| Model | Lehçe: tanınan kelimeler | İngilizce | Lisans |
|---|---|---|---|
| ACE-Step 1.5 | %95,6 (3 denemenin ortalaması) | %96,1 | MIT |
| YuE2 | %91,2 (%84-99) | %100 | CC BY-NC 4.0 |
| MiniMax Music 3 | %89,2; şarkıları yarıda kesiyor | %92,1 | MiniMax Community |
| DiffRhythm 2 | %4,8 (Lehçe desteği yok) | %100 | Apache 2.0 |
YuE2, Lehçedeki en iyi tekil sonucu verdi (%98,8) ve İngilizcede kusursuzdu; ancak sonuçları daha değişkendi ve ticari kullanıma izin vermeyen bir lisansa sahip. ACE-Step 1.5 daha tutarlı sonuç verdi ve ticari olarak kullanılabiliyor. Ayrıntılar, dinleme örnekleri ve ayarlar YuE2 testinde.
Başka neler yayımlandı, hangilerini indirmedim?
- MiniMax H3 (sesli video, 33B): model ağırlıklarının lisansı AB, ABD, Birleşik Krallık ve Güney Kore’yi kapsam dışı bırakıyor. FastH3’ün 8 GB VRAM’e sığan küçültülmüş sürümü de bu durumu değiştirmiyor.
- Tencent HY Image 3.5 Preview: ComfyUI desteği 13 Ekim’den itibaren mevcut. Modeli metin oluşturma ve görsel düzenleme testinde ele aldım.
- MAGI-2 ve LTX-2.5: Karşılaştırmaları 2026’nın açık video modelleri yazısında bulabilirsiniz.
Hangi modelle başlamalı?
- ComfyUI’yi kurun veya 0.41 sürümüne güncelleyin: ComfyUI başlangıç rehberi.
- İlk olarak FLUX 3 Klein’ı (yaklaşık 11 GB; 8-12 GB ekran kartlarında bile çalışıyor) ya da Qwen-Image 2.1 Turbo’yu (7,3 GB + 10 GB ortak dosya; 24 GB bellekte en hızlı seçenek) indirin.
- Video için Kandinsky 6.0 Lite’ı indirin (6,4 GB + yaklaşık 18 GB ortak dosya).
- Şarkı üretiminde Lehçe için en tutarlı ve MIT lisanslı seçenek ACE-Step 1.5; İngilizce sözler ve kişisel kullanım içinse YuE2 (7,8 GB + 1,4 GB) tercih edilebilir.
Dil modelleri de dahil olmak üzere yerel olarak incelediğim tüm modellerin listesi Yerel yapay zekâ rehberinde.
Sık sorulan sorular
16 GB ekran kartı yeterli mi?
Qwen Turbo, YuE2 ve Kandinsky Lite için yeterli; ancak ağırlıkların bir bölümünü RAM’e aktarmak gerekir ve işlem test ölçümlerimden yavaş olur. Kandinsky 6 Pro’yu 16 GB ekran kartında çalıştırmanızı önermiyorum.
Bu modellerden hangileri ticari amaçla kullanılabilir?
Kandinsky 6.0 (MIT), DiffRhythm 2 (Apache 2.0) ve ACE-Step 1.5 (MIT). Qwen-Image 2.1 Turbo’nun lisansı yalnızca araştırma amaçlı; YuE2 ise CC BY-NC 4.0 lisanslı. FLUX 3 Klein’ın kendine ait FLUX Kommunity lisansı var; gelir elde etmeden önce koşullarını okuyun.
Diskte ne kadar yer kaplıyorlar?
Listedeki her şey, Kandinsky Pro’nun resmî bf16 sürümü yerine int8 sürümü dahil, yaklaşık 100 GB yer kaplıyor. Kandinsky Pro int8 30,5 GB, bf16 ise 60,3 GB.
Mac’te çalışır mı?
Testleri yalnızca NVIDIA ekran kartlı Windows bilgisayarda yaptım. Bazı modellerin Mac için MLX sürümleri var; örneğin YuE2 ve Qwen Turbo. Bu sürümleri denemedim.
Google · KaynaklarınızParıldak'ı Google'ınızda üst sıralara taşıyın - tek tıklaTercih ettiğiniz kaynaklara ekleyin →Kaynaklar
- Hugging Face’te Kandinsky 6.0
- Hugging Face’te Qwen-Image 2.1 Turbo
- Hugging Face’te FLUX 3 Image Klein
- Hugging Face’te YuE2
- GitHub’da DiffRhythm 2
- ComfyUI değişiklik günlüğü
- RTX 4090 ile 17 Ekim 2026’da yaptığım ölçümler.
Parıldak'taki benzer konular
