White Papers

Aşağıdaki teknik white paper’lar Openzeka Teknoloji A.Ş. tarafından yayımlanmaktadır.

Başlık Konu Platform
Yerel LLM Kullanım Rehberi Donanım → model → yazılım karar rehberi Jetson, RTX PRO, DGX Spark, DGX/HGX
LLM Quantization Seçim Rehberi Quantization seçimi: iş yükü × format × GPU mimarisi × checkpoint güvenilirliği; seçim akışı ve vaka örnekleriyle NVIDIA Ampere → Blackwell (Jetson, RTX, DGX)
LLM Çıkarımında Engram Offloading Token başına birkaç satırı okunan büyük embedding tabloları: sistem RAM’ine veya NVMe’ye taşınmaları ve ölçülen sonuçlar DGX Spark, RTX PRO 6000; DGX B300 bellek mimarisi
NVIDIA DGX B300 ve GB300 NVL72 Cluster Mimarisi Karşılaştırması İki Blackwell Ultra mimarisinin teknik karşılaştırması, iş yükü bazlı platform seçim rehberi NVIDIA DGX B300, GB300 NVL72 (Blackwell Ultra)
DGX Spark 2-Node AI Cluster Kurulum Rehberi Point-to-point topolojisinde cluster kurulumu, RoCEv2/RDMA, sparkrun 2x NVIDIA DGX Spark (GB10)
DGX Spark 3-Node AI Cluster Kurulum Rehberi Ring (mesh) topolojisinde cluster kurulumu, RoCEv2/RDMA, sparkrun 3x NVIDIA DGX Spark (GB10)
DGX Spark 4-Node AI Cluster Kurulum Rehberi Switch tabanlı cluster kurulumu, RoCEv2/RDMA, sparkrun, NAS 4x NVIDIA DGX Spark (GB10)
DGX Spark 8-Node AI Cluster Kurulum Rehberi Switch tabanlı cluster kurulumu, RoCEv2/RDMA, sparkrun, NAS 8x NVIDIA DGX Spark (GB10)
Qwen3.6-27B DGX Spark Benchmark LLM quantization karşılaştırması (FP8/AWQ/NVFP4 + MTP) NVIDIA DGX Spark (GB10)
Qwen3.6-27B DGX Spark Cluster Scaling Multi-node ölçekleme (TP1/TP2/TP4), SLO temelli kapasite planlama 1x/2x/4x NVIDIA DGX Spark (GB10)
LMCache ile LLM Çıkarımında KV Cache Taşıma Tekrar kullanılan bağlamlar ve GPU belleğine sığmayan KV cache: üç önbellek katmanı (GPU, CPU, NVMe), ölçülen TTFT ve üretim öncesi doğrulanacak ayarlar NVIDIA DGX Spark (GB10)
8× DGX Spark Üzerinde Tensör Paralel Çıkarım İçin Ağ Bağlantı Hızı (200G ve 100G) Tensör paralel çıkarımda 200G ve 100G bağlantı hızının TTFT ve decode hızına etkisi: teori, tahmin ve ölçüm 8× NVIDIA DGX Spark (GB10)
Jev’e Açık Ağırlıklı İlk Alternatifler Altı açık ağırlıklı typed-decision modelinin tek bir DGX Spark üzerinde karşılaştırılması: doğruluk, kalibrasyon, şık sırasına duyarlılık ve gecikme — ve hangi işe hangi modelin uyduğu NVIDIA DGX Spark (GB10)
DeepSeek-V4.1-Flash 4× DGX Spark Dağıtımı 763B MoE modelin 4× DGX Spark (GB10) üzerinde TP4 dağıtımı: vLLM build zinciri, 7 SM121 patch’i, Engram-on-disk, DSpark k=5 4× NVIDIA DGX Spark (GB10)
DeepSeek-V4.1-Flash 8× DGX Spark TP8 Dağıtımı 763B MoE modelin 8× DGX Spark (GB10) üzerinde TP8 dağıtımı: iki yapılandırma (300K Engram-bellekte, 1M Engram-diskte), NCCL optimizasyonu, benchmark sonuçları ve TP4 karşılaştırması 8× NVIDIA DGX Spark (GB10)
Kimi K3 DGX-B300 Inference Benchmark Inference engine + speculative decoding karşılaştırması (vLLM vs SGLang, direct vs DSpark) NVIDIA DGX-B300 (8x Blackwell Ultra, TP=8)
LLM Çıkarım Benchmark Gezgini Etkileşimli benchmark tablosu: cihaz, model ve kuantizasyona göre filtreleyin, kendi hizmet seviyesi eşiklerinizi girin DGX Spark (GB10), DGX B300, RTX PRO 6000, Jetson Thor
CV Çıkarım Benchmark Gezgini Etkileşimli görüntü işleme benchmark’ı: bir cihaz ve tespit modeli seçin; sürdürülen FPS’i, kamera eklendikçe nasıl düştüğünü ve hedef FPS’inizde kaç kamera taşıdığını görün DGX Spark (GB10), Jetson AGX Thor, Jetson Orin Nano, RTX 3060, RTX 3090
VLM Çıkarım Benchmark Gezgini Etkileşimli görüntü-dil modeli benchmark’ı: görüntü boyutunu ve bir kameranın yanıtı için en fazla ne kadar bekleyebileceğini seçin; her yapılandırmanın kaç kameraya yetiştiğini görün RTX PRO 6000 Blackwell, Jetson AGX Orin 32GB, Jetson Orin NX 16GB

Bu sayfada