NVIDIA'dan 4 GB'a Sığan Açık Yapay Zekâ Modeli: Nemotron 3.5 Bolt E4B

NVIDIA, yerel ortamda çalışan konuşmalı yapay zekâ modelleri ailesine yeni bir üye ekledi. 23 Ekim 2026'da duyurulan Nemotron 3.5 Bolt E4B 4GB, yaklaşık 4 GB bellek kullanacak şekilde tasarlanmış açık kaynaklı bir küçük dil modeli. Şirket, modelin sesli asistanlar, oyun içi karakterler ile robotik ve gömülü sistem arayüzlerinde kullanılmak üzere geliştirildiğini belirtiyor. Geliştiriciler modeli şimdiden Hugging Face üzerinden indirebiliyor.

Modelin teknik temelinde Google'ın Gemma 4 E4B mimarisi bulunuyor. NVIDIA bu tabanı kendi Nemotron eğitim yöntemleriyle geliştirmiş. Modelin toplam 8 milyar parametresi var ancak etkin kullanımda bu sayı 4 milyara düşüyor; bu da düşük bellekli cihazlarda verimli çalışmasını mümkün kılıyor. Q4_K_M hassasiyetinde sıkıştırılan model, 64 bin token'a kadar bağlam penceresi ve 35 dil desteği sunuyor.

Bolt E4B'nin öne çıkan yeteneklerinden biri çok adımlı araç kullanımı. Model, bir konuşma boyunca uygulama arayüzlerini çağırarak görevleri yerine getirebiliyor. Ayrıca konuşma modu etkinleştirildiğinde kısa ve sese uygun yanıtlar vermeyi önceliklendiriyor; düşünme özelliği ise karmaşık istekler için açılıp hızlı yanıt gereken durumlarda kapatılabiliyor. Hatta gecikme hedeflerini tutturmak amacıyla düşünme süresini sınırlama seçeneği de sağlanmış.

NVIDIA'nın kendi test sonuçlarına göre model, şirketin önceki küçük dili Nemotron 3 Nano 4B'ye kıyasla konuşmalı yapay zekâ kıyaslamalarında ortalama yüzde 40 daha yüksek başarı elde ediyor. Değerlendirilen benzer boyuttaki rakiplere göre fark ise yaklaşık yüzde 10. Dikkat çekici bir diğer iddia da çıktı verimliliği: model, rakiplerine göre yüzde 80'e varan oranda daha az token üreterek hem hesaplama yükünü hem yanıt süresini düşürüyor. Ancak bu rakamlar NVIDIA'nın kendi testlerinden geliyor. Örneğin bazı araç kullanımı testlerinde Qwen 3.5 4B'nin Bolt E4B'nin önünde yer aldığı görülüyor.

Model farklı donanım sınıflarında çalışacak şekilde hazırlanmış: GeForce RTX ekran kartları, Jetson kartları, RTX Spark ve DGX Spark sistemleri destekleniyor. NVIDIA'nın yayınladığı ölçümlere göre 12 GB bellekli RTX 5070'te model yaklaşık 3,5 GB bellek kullanıp saniyede 133 token üretiyor. 32 GB bellekli RTX Spark'ta bu hız saniyede 67 token'a geriliyor. 8 GB bellekli Jetson Orin Nano'da ise yaklaşık 4,2 GB bellekle saniyede 15,5 token'a düşüyor, yani yanıt süreleri cihazın sınıfına göre belirgin biçimde değişiyor.

NVIDIA modeli iki çarpıcı senaryoda göstermiş. İlk örnekte Reachy Mini adlı robot, Jetson Orin Nano 8 GB üzerinde sohbet edip hareket ediyor. Bu kurulumda konuşmayı Bolt E4B üstlenirken, dünyanın görsel olarak anlaşılması görevini Cosmos 3 Edge modeli yürütüyor; her iki model de cihaz üzerinde ve internet bağlantısı olmadan çalışıyor. İkinci örnekte ise bir oyun içi demirci karakteri; ödemeyi doğrulayıp tarifi kontrol ediyor, malzemeleri toplayıp üretimi gerçekleştiriyor ve kullanıcıya teslim ediyor. Bunların tamamı otonom şekilde araç çağrılarıyla yapılıyor.

Arka plan

NVIDIA'nın küçük dil modeli serisi son dönemde giderek daha düşük bellek kullanımına odaklanıyor. Bolt E4B'den önce gelen Nemotron 3 Nano 4B de benzer kitleye hitap ediyordu ancak yeni model bu basamağın ölçülebilir biçimde üstüne çıkıyor. Şirketin Spark serisi bu stratejinin donanım ayağını oluşturuyor; 64 GB bellekli DGX Spark ve RTX Spark platformları, büyük modellerin masaüstünde yerel olarak çalıştırılmasını hedefliyor. Bolt E4B ise bunların da ötesine geçip 8 GB'a kadar düşen mütevazı donanımlarda iş yapabilme iddiasında.

Google'ın Gemma serisi açık model ekosisteminde giderek daha merkezi bir tedarikçi hâline geliyor. Gemma modelleri hem araştırma hem ticari kullanım tarafında yaygın bir taban olarak tercih ediliyor; NVIDIA'nın bu taban üzerinde kendi eğitim yöntemlerini uygulaması, iki şirketin açık yapay zekâ cephesindeki etkileşiminin yeni bir örneği. Bolt E4B'nin eğitiminde kullanılan veri setleri ve tarif de açıklanmış durumda. Bu sayede geliştiriciler modeli yalnızca kullanmakla kalmayıp nasıl ortaya çıktığını da inceleyebiliyor.

Ne anlama geliyor?

Bolt E4B'nin asıl önemi, yerel yapay zekâ kavramını daha önce mümkün olmayan cihaz sınıflarına taşımasında yatıyor. 4 GB'lık çalışma profili, yapay zekâ yeteneklerinin internete bağlanmayan, verisi hassas olan ya da güç tüketiminin kritik olduğu aygıtlarda dahi kullanılabilmesini sağlayabilir. Bir robotun tüm konuşma ve karar mekanizmasının cihaz üzerinde dönmesi, bağlantı kopsa da çalışmaya devam etmesi anlamına geliyor. Bu, üretim hatlarından kırsal bölgelerdeki cihazlara kadar geniş bir kullanım alanına işaret ediyor.

Ancak rekabet yoğun. NVIDIA kendi testlerinde modelin önceki sürüme ve genel olarak rakiplere karşı üstünlüğünü vurguluyor; fakat Qwen 3.5 4B gibi modellerin bazı araç kullanımı testlerinde öne geçmesi, küçük dil modelleri pazarının hâlâ açık olduğunu gösteriyor. Bu pazarda NVIDIA'nın asıl avantajı donanım tarafındaki hakimiyeti: Bolt E4B kendi grafik kartları ve gömülü sistemlerinde optimize edilmiş biçimde geliyor. Yine de modelin açık lisanslı olması, onu yalnızca NVIDIA donanımına bağımlı olmayan bir seçenek hâline getiriyor.

Türkiye açısından bakıldığında modelin açık oluşu ve 35 dil arasında Türkçenin de bulunması önemli bir avantaj. Ancak Türkçe performansının bu listede tam olarak nasıl sıralandığı henüz belirsiz. Geliştiriciler modeli indirip kendi Türkçe verileriyle ince ayar yapabilir; bu da yerel asistan pazarında hem büyük şirketlere hem bağımsız geliştiricilere yeni bir başlangıç noktası sunar.

Bundan sonra izlenecekler arasında modelin gerçek dünya performansı, üçüncü taraf kıyaslamaları ve geliştirici topluluğunun benimseme hızı var. NVIDIA'nın açıkladığı rakamların bağımsız testlerle doğrulanması, modelin iddiasının gücünü ortaya koyacak. Ayrıca Spark serisi donanımlarla birlikte Bolt E4B'nin nasıl bir ekosistem kuracağı da yakından izlenmeyi hak ediyor.