Toplam 51,3 milyon parametreye sahip olan bu görsel oldaklı model; bir fotoğrafı analiz ederek sahneyi betimleme, nesneleri tespit etme, görüntüdeki yazıları okuma ve nesneleri ayırt ederek işaretleme gibi işlemleri tek seferde gerçekleştirebiliyor.

22 MB'lık Yapay Zekâ Modeli Tek Seferde 6 Farklı Görevi Yerine Getirebiliyor

Mirage'ın bu kadar küçük boyutlu olmasını sağlayan temel teknoloji, şirketin geliştirdiği 2-bit Cactus Quants kuantizasyon yöntemi. Bu yöntem sayesinde 51,3 milyon parametreli modelin ağırlıkları yaklaşık 22 MB boyutuna indiriliyor. Böylece model, normalde yüksek miktarda bellek ve işlem gücü gerektiren görsel işlemleri çok daha sınırlı kaynaklarla tamamlayabiliyor.

Mirage'ın öne çıkan bir diğer özelliği ise normalde farklı modellerin kullanılmasını gerektiren altı ayrı görevi tek bir geçişte gerçekleştirebilmesi. Bunlar arasında sahne betimleme, nesnelerin konumlarını sınırlayıcı kutularla (bounding box) belirleme, optik karakter tanıma (OCR), görüntü segmentasyonu, nesneler arasındaki mekânsal ilişkileri analiz etme ve karar verme işlemleri bulunuyor. Mesela model, bir fotoğrafta hangi nesnelerin bulunduğunu tespit etmekle kalmıyor; bunların görüntüde nerede konumlandığını, birbirleriyle nasıl bir ilişki içinde olduklarını ve üzerlerinde hangi yazıların yer aldığını da analiz edebiliyor. Görüntü segmentasyonu sayesinde nesnelerin sınırlarını poligon veya bitmap maskeleriyle belirleyebiliyor. Bu işlemler için ayrı ayrı yapay zekâ modellerinin çalıştırılmasına gerek kalmıyor.

Galaxy S26'da 74 Milisaniyede Görüntü Analizi Yapabiliyor

Mirage'ın performansına dair paylaşılan veriler de dikkat çekici. Cactus Compute'un kendi testlerine göre model, Samsung Galaxy S26'nın NPU birimi üzerinde bir fotoğrafı 74 milisaniyede analiz edebiliyor. Aynı işlem doğrudan telefonun CPU birimi kullanıldığında ise 107 milisaniye sürüyor. Ancak bu sonuçların henüz bağımsız testlerle doğrulanmadığını belirtmek gerekiyor.

Model yalnızca mobil cihazlarda değil, doğrudan web tarayıcısı içerisinde veya Python üzerinden de yerel olarak çalıştırılabiliyor. Geliştiriciler, gerekli paketleri yükleyerek Mirage'ı kendi uygulamalarına entegre edebiliyor.

Mirage'ın robotik sistemler ve saha denetim uygulamaları gibi alanlarda kullanılabilecek şekilde tasarlanmış olması da önemli. Model, analiz sonuçlarını yalnızca doğal dilde açıklamalar olarak sunmak yerine doğrudan makineler tarafından işlenebilen yapılandırılmış JSON çıktıları hâlinde veriyor. Bu çıktılar arasında 0-1000 ölçeğinde koordinat bilgileri, güven skorları ve sahnedeki nesneler arasındaki ilişkileri gösteren sahne grafikleri bulunuyor. Böylece robot kolları gibi sistemler, çevrelerini algılamak için Mirage'ın ürettiği verileri doğrudan kullanabiliyor.

Ayrıca Bkz.AI Günlükleri: Yapay zekâ dünyasında bu hafta (9 Kasım 2026)

Modelin sahne betimleme özelliği İngilizce, Almanca, Fransızca, İspanyolca, İtalyanca, Felemenkçe ve Lehçe olmak üzere yedi dili destekliyor. Diğer yandan bu kadar küçük bir model olmasının bazı sınırlılıkları da var. Cactus Compute, Mirage'ın karmaşık sahnelerde bazı nesneleri gözden kaçırabildiğini ve OCR işlemlerinde aksanlı harfleri tanımakta küçük hatalar yapabildiğini kabul ediyor. Yine de Mirage, bu kadar ufak bir yapay zekânın da pek çok görevi yerine getirebileceğini göstermesi açısından önemli bir örnek olarak karşımızda duruyor.