Cactus Compute, telefonlarda yerel olarak çalışabilen Mirage görsel yapay zeka modelini yayımladı. Yaklaşık 22 MB boyutundaki model, görüntü betimleme, nesne algılama ve yazı okuma dahil altı görevi tek geçişte birleştiriyor. Yüksek bellekli bilgisayarlarda yerel yapay zeka da gelişirken Mirage, çok daha küçük cihazlara yönelik farklı bir çözüm sunuyor.
6 Kasım tarihli teknik açıklamaya göre model 51,3 milyon parametre taşıyor. Dosya boyutunun düşük tutulmasında şirketin 2 bitlik Cactus Quants yöntemi kullanılıyor. Buradaki 22 MB değeri modelin ağırlık dosyasını anlatıyor. Uygulamanın tamamının veya çalışma sırasında gereken belleğin aynı boyuta sahip olduğu anlamına gelmiyor.
Mirage bir fotoğrafa bakıp yalnızca kısa bir açıklama yazmıyor. Görüntüdeki nesneleri bulabiliyor, konumlarını belirleyebiliyor ve nesne sınırları için maskeler üretebiliyor. Optik karakter tanıma özelliği görüntüdeki yazıları okurken, mekânsal ilişki analizi nesnelerin birbirine göre nerede durduğunu açıklıyor. Belirlenen seçenekler arasından karar verme de aynı işlem zincirinin parçası.
Sonuçlar uygulamaların kullanabileceği yapılandırılmış kayıtlar hâlinde sunuluyor. Bir nesnenin adı ile görüntü içindeki koordinatı aynı çıktıda bulunabiliyor. Böylece geliştiricinin betimleme metnini ayrıca çözümleyip nesne konumuna dönüştürmesi gerekmeyebiliyor. Robotik ve saha denetimi gibi alanların gündeme gelmesinin nedeni de bu çıktı biçimi.
Şirketin Samsung Galaxy S26 üzerinde paylaştığı ölçümde analiz, NPU kullanıldığında uçtan uca 74 milisaniye sürüyor. CPU için verilen süre ise 107 milisaniye. Bunlar üreticinin belirli cihaz üzerinde açıkladığı sonuçlar. Farklı telefonlarda aynı gecikmenin elde edileceği veya bütün görüntülerin aynı sürede işleneceği sonucu çıkarılamaz.
Bunun yanında model tarayıcıda yerel olarak denenebiliyor ve Python üzerinden kullanılabiliyor.
Görüntüyü buluta göndermeden işleyebilmesi, bağlantının sınırlı olduğu uygulamalar açısından somut bir özellik. Yine de cihaz üzerinde çalışma, modelin her nesneyi doğru tanıyacağına ilişkin güvence vermiyor. Sahne betimleme için açıklanan yedi dil arasında Türkçe bulunmuyor. İngilizce, Almanca, Fransızca, İspanyolca, İtalyanca, Felemenkçe ve Lehçe destekleniyor.
Cactus Compute, karmaşık sahnelerde kaçırılan nesneler ile aksanlı harflerde görülebilen OCR hatalarını da modelin sınırları arasında belirtiyor. Bu nedenle örneğin etiket okuyan bir uygulama hazırlanırken yalnızca dosya boyutunu değil, kullanılacak dildeki tanıma sonucunu da ayrıca ölçmek gerekiyor.
Günün Öne Çıkan Fırsatları
