---
title: "Mini-AGI: 8 GB VRAM ile Sıfırdan Eğitilen Dinamik ve Sürekli Öğrenen Dil Modeli"
url: https://blog.edumints.com/mini-agi-8-gb-vram-ile-sifirdan-egitilen-dinamik-ve-surekli-lvx48ux3
category: "LLM"
date: 2026-09-21T09:09:31.633Z
publisher: Edumints Blog
lang: tr-TR
source_name: "Hacker News"
source_url: https://github.com/volotat/mini-AGI/
---

# Mini-AGI: 8 GB VRAM ile Sıfırdan Eğitilen Dinamik ve Sürekli Öğrenen Dil Modeli

## mini-AGI Nedir ve Nasıl Çalışır?

**mini-AGI**, tek bir 8 GB VRAM GPU üzerinde sıfırdan eğitilebilen, kendi mimarisini dinamik olarak inşa eden ve okuduğu her veriden kesintisiz öğrenmeye devam eden bayt düzeyinde (byte-level) bir dil modelidir.

Geleneksel büyük dil modellerinin aksine model ağırlıklarını disk üzerinde sıradan dosyalar halinde depolar ve ihtiyaç duydukça GPU belleğine sayfalar (paging). Bu sayede toplam parametre kapasitesi VRAM büyüklüğüyle değil, sistemdeki boş disk alanıyla sınırlanır. Mimarinin öne çıkan üç temel niteliği bulunmaktadır:
- **Dinamik Kapasite Gelişimi:** Eğitim esnasında mevcut kapasite yetersiz kaldığında yeni kapasite oluşturur.
- **Kullanılmayanları Budama:** Hiçbir bileşenin talep etmediği ve aktif olmayan ağırlıkları budayarak (pruning) temizler.
- **Ortak Kod Yolu:** Model, veriyi okuyup eğitilirken üretim (serving) aşamasıyla birebir aynı kod yolunu yürütür.

## Donanım Hedefi ve Mevcut Durum

Model, en az 8 GB VRAM GPU barındıran standart bir masaüstü veya dizüstü bilgisayarı hedefler. Geliştiricinin belirttiği üzere bu çalışma şu an için "oyuncak" (toy-level) aşamasında deneysel bir projedir; öncü (frontier) seviyesinde kabiliyetler beklenmemelidir. Temel amaç, mütevazı donanımlarda bile felaketsel unutma (catastrophic forgetting) yaşamadan tek bir veri akışından (batch-1 stream) sürekli öğrenmenin mümkün olduğunu kanıtlamaktır.

Böylece kullanıcılar donanım ölçeğine, veri kalitesine ve ayırdıkları zamana bağlı olarak kendi modellerini eğitebilir. Modelin okuma süreci bir gösterge panelinden (min-run dashboard) izlenebilmekte, geçmiş örnek çıktılar takip edilebilmektedir. İlk derlem geçişi devam ettiği için ağırlıklar henüz yayımlanmamıştır.

## Motivasyon: Donmuş Modellerin Sınırlarını Aşmak

Günümüzde sahip olunan dil modelleri, başkaları tarafından eğitilip ardından dondurulan (frozen) sistemlerdir. Üzerlerine yüzeysel ince ayar (fine-tuning) yapılabilse de sıfırdan yerel donanımda eğitilemezler ve günlük verilerle beslendiklerinde geçmişi unuturlar. mini-AGI bu kısıtları aşmayı amaçlar:
- GPU ayak izi tüketici kartında uçtan uca eğitime izin verecek kadar küçüktür ve eğitim süreci asla durmak zorunda kalmaz.
- Karakter akışını parça parça okur, her birinde gradyan adımı atar ve üretim de aynı yolla gerçekleşir. Ayrı bir ince ayar rejimi veya dondurulmuş çekirdek yoktur; okumak ile eğitilmek aynı eylemdir.

## Tasarımı Şekillendiren Kısıtlar ve Pratik Çıkarımlar

Tasarımın tüm mimari yapısını şekillendiren temel kısıt:
- **8 GB VRAM Kısıtı:** Sistemin harici ve devasa altyapılara ihtiyaç duymadan, kesinlikle 8 GB VRAM sınırına sığması zorunluluğudur.

**Yazılım Geliştirme Açısından Pratik Çıkarımlar:**
Geliştiriciler için mini-AGI; disk sayfalama (disk-to-VRAM paging) yöntemiyle VRAM darboğazını aşma, felaketsel unutmaya karşı akış tabanlı sürekli öğrenme mekanizmaları kurma ve üçüncü parti API'lara bağımlı kalmadan yerel donanımda yaşayan kişiselleştirilmiş modeller geliştirme konusunda yenilikçi bir prototip sunmaktadır.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://github.com/volotat/mini-AGI/)

---

**Kaynak:** [Hacker News](https://github.com/volotat/mini-AGI/)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/mini-agi-8-gb-vram-ile-sifirdan-egitilen-dinamik-ve-surekli-lvx48ux3