> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Kimi K3 tek işlemcide 8 GB bellekte koştu: sığdırarak değil, diskten akıtarak
- URL: https://globalfeed.ai/kimi-k3-tek-islemcide-8-gb-bellekte-kostu-sigdirarak-degil-diskten-akitarak/
- Published: 2026-09-10T14:07:35.000Z
- Updated: 2026-09-10T14:07:35.000Z
- Description: Kimi K3'ü tek bir işlemcide ve 8,24 GB bellekte çalıştıran açık kaynaklı bir motor yayımlandı. Model küçülmedi; değişen şey yükleme biçimi. Bedeli token başına 26,5 saniye.
- Author: GlobalFeed Editor
- Tags: elle, Kimi, açık kaynak, yerel yapay zeka, x-Kimi_Moonshot, dil-tr, video

Kimi K3'ü **tek bir işlemcide, ekran kartı olmadan ve ölçülmüş 8,24 GB bellekte** çalıştıran bir çıkarım motoru yayımlandı. Motorun tamamı taşınabilir C99 ile yazılmış; derlendiğinde 176 kilobaytlık tek bir ikili dosya çıkıyor, ne BLAS ne bir çerçeve ne de CUDA istiyor. Lisansı Apache 2.0.

Rakam ilk bakışta imkansız duruyor. 2,78 trilyon parametreli bir modelin ağırlıkları 8 gigabayta girmez. Nitekim girmiyor da. Projenin yaptığı şey modeli küçültmek değil, **onu okuma biçimini değiştirmek**.

## Bellek tavanı modelin değil, yüklemenin özelliğiymiş

Kimi K3 bir uzmanlar karışımı (MoE) modeli: her adımda ağırlıkların yalnızca küçük bir kısmı kullanılıyor. Motor tam olarak buna yaslanıyor. Yoğun gövde bellekte kalıyor, yönlendirilen uzmanların **1,45 terabaytlık kısmı diskte duruyor** ve işletim sisteminin önbelleğini atlayan `O_DIRECT` çağrılarıyla NVMe'den okunuyor. En sık kullanılanlar için araya bir LRU önbelleği giriyor.

Bunun ilginç sonucu şu: bellek artık bir eşik değil, bir ayar düğmesi. Elinizde ne kadar bellek olursa olsun aynı model **baytı baytına aynı cevabı** veriyor. Değişen tek şey hız:

- 8 GB bellekte token başına **26,5 saniye**
- 128 GB ve üstünde token başına **5,6 saniye**

Yani bir cümle için dakikalar, bir paragraf için yarım saat. Bu bir ürün değil, bir gösteri.

## Bedeli nerede ödeniyor

Bellekten kaçılan yer diske biniyor: kurulum **1,56 terabaytlık ağırlık dosyası ve 109 gigabaytlık paketlenmiş gövde** istiyor. Toplamı 1,7 terabayt yer ve saatlerle ölçülen bir indirme. İşlemcinin AVX2 ve FMA desteklemesi gerekiyor; birincil hedef Linux x86-64, macOS/ARM64 ve Windows da destekleniyor.

Bir sınır daha var ve başlığın altında kalıyor: yayımlanan şey **temel model**, sohbet şablonu yok. Yani soru sorup cevap almıyorsunuz, verdiğiniz metni sürdürüyor. Asistan bekleyen biri için tek başına kullanılabilir değil.

## Neden önemli

Projenin değeri hızında değil, görünür kıldığı şeyde. Yerel model çalıştırmaya bakan herkes aynı cümleyi kuruyor: "bu model benim kartıma sığmaz." Bu çalışma o cümlenin her zaman doğru olmadığını söylüyor. Sığmama, çoğu zaman modelin değil, onu *bir kerede belleğe komple yükleme* alışkanlığımızın sonucu. Uzmanların büyük kısmı o adımda zaten kullanılmıyorsa, hepsini aynı anda bellekte tutmak bir zorunluluk değil bir tercih oluyor.

Pratikte kimse 26,5 saniyede bir kelime üreten bir kurulumla iş yapmaz. Ama aynı fikir daha küçük MoE modellerine ve daha hızlı disklere uygulandığında çok daha makul sürelere iniyor. Kodu yazan Fareed Khan, deposunda yaklaşımın özünü tek cümleyle topluyor: aynı model, aynı cevaplar, elinizdeki belleğe göre farklı hızlar.

Kimi K3'ü daha önce [kiralık altyapıya gelişi](https://globalfeed.ai/dunyanin-en-buyuk-acik-modeli-kiralik-altyapiya-geldi-kimi-k3-coreweavede/) vesilesiyle ele almıştık. O yazıdaki soru "bu modeli kim koşturabilir" idi; bu çalışma aynı soruya bambaşka bir yerden cevap veriyor.