# Yapay Zeka ile Video Üretimi için GPU: Wan 2.2, HunyuanVideo ve LTX (2026) - Adres: https://gpukiralama.com.tr/blog/video-ai-uretimi-gpu-kiralama/ - Kategori: Rehber - Yayın: 2026-10-24 · Son güncelleme: 2026-10-28 Wan 2.2, HunyuanVideo 1.5, LTX-2.5 ve MiniMax H3 ile yapay zeka videosu üretmek için hangi ekran kartı gerekir? Model model VRAM tablosu, Wan 2.2 sürümleri, üretim süreleri, ComfyUI notları ve ticari lisans koşulları. ## Kısa cevap Yapay zeka ile kendi sunucunuzda video üretmek için Ekim 2026'daki başlıca açık modeller Wan 2.2, HunyuanVideo 1.5, LTX-2.5 ve MiniMax H3'tür. Küçük modeller (Wan 2.2 TI2V-5B, HunyuanVideo 1.5), model parçalarını sistem belleğine taşıyan boşaltma (offload) yöntemiyle 14–24 GB'lık ekran kartlarında çalışır. Wan 2.2 A14B gibi 14 milyar parametre ve üzerindeki modelleri boşaltmasız, hızlı çalıştırmak için 48–96 GB gerekir. - **Deneme ve küçük modeller:** 20–24 GB. - **FP8 dosyalarla 14B sınıfı modeller (Wan 2.2 A14B):** 48 GB. - **Büyük modeller 16-bit hassasiyette, tek kartta:** 96 GB. - **Çok GPU'lu toplu üretim ve eğitim:** H100 veya H200. ## Yapay zeka ile video nasıl yapılır? İki yol var: çevrimiçi bir video servisinde kredi ya da abonelik karşılığı üretmek veya ağırlıkları açık bir modeli kendi GPU sunucunuzda çalıştırmak. Açık modelle adımlar şöyle: 1. **Modeli seçin:** lisansı en serbest olan Wan 2.2, sesli video için LTX-2.5 ya da MiniMax H3, az bellek için Wan 2.2 TI2V-5B ya da HunyuanVideo 1.5. 2. **Belleğe göre ekran kartını seçin:** küçük modeller 20–32 GB'ta, 14B sınıfı modeller FP8 dosyalarla 48 GB'ta, 16-bit dosyalarla 96 GB'ta rahat çalışır. 3. **Arayüzü kurun:** hazır şablonlar için ComfyUI, üretimi kendi uygulamanıza gömmek için diffusers. 4. **İstemi yazın ya da başlangıç görselini verin:** metinden videoda (T2V) sahneyi ve kamera hareketini tarif edin, görselden videoda (I2V) ilk kareyi yükleyin. 5. **Önce kısa ve 480p denemeler yapın,** beğendiğiniz istemi 720p'de çalıştırın. 6. **Çıktıyı kodlayın:** NVENC'li kartlar üretilen kareleri GPU'da MP4'e dönüştürür. Ara sıra birkaç klip için çevrimiçi servisler daha pratiktir. Her gün çok sayıda klip üreten, müşteri görsellerini dışarı göndermek istemeyen ya da kendi LoRA'sını eğiten ekipler için açık modeller daha uygundur. ## Açık kaynak yapay zeka video modelleri hangileri? Ekim 2026'da güncel dört açık model ailesi Wan 2.2, HunyuanVideo 1.5, LTX-2.5 ve MiniMax H3; dördü de ComfyUI'de çalışıyor. Burada "açık", ağırlıkları indirilebilen model demek: açık kaynak lisanslı olan yalnızca Apache 2.0'lı Wan 2.2'dir, diğer üçü bölge, kullanıcı sayısı ya da gelir sınırları olan topluluk lisanslarıyla dağıtılıyor. | Model | Yayın | Parametre | Çıktı | Lisans | |---|---|---|---|---| | Wan 2.2 TI2V-5B | Temmuz 2025 | 5 milyar | 720p, 24 fps; metinden ve görselden video | Apache 2.0 | | Wan 2.2 T2V/I2V-A14B | Temmuz 2025 | Toplam 27 milyar (iki uzmanlı MoE; adım başına 14 milyar etkin) | 480p ve 720p | Apache 2.0 | | HunyuanVideo 1.5 | Kasım 2025 | 8,3 milyar | 480p, 720p; 1080p'ye üst örnekleme | Tencent Hunyuan Community | | LTX-2.5 | 2026 | 22 milyar | Video ve ses birlikte | LTX-2.x Community | | MiniMax H3 | Ağustos 2026 | 33 milyar (çıkarımda yaklaşık 20 milyarı yüklenir) | Video ve stereo ses; 768p, 4–15 saniye | MiniMax H3 Community | Ekim 2026 itibarıyla Wan-AI'ın Hugging Face sayfasında Wan 2.2'den yeni bir temel model ağırlığı bulunmuyor. CogVideoX'in son sürümü ise Kasım 2024 tarihli. ## Video neden görselden çok daha fazla bellek ve süre ister? Çünkü model tek bir kare yerine bütün klibi birlikte işler. Wan 2.2 TI2V-5B, videoyu zamanda 4, genişlik ve yükseklikte 32 kat sıkıştırarak token'lara böler. 1280×704'lük tek bir kare 880 token eder; 24 fps ve 5 saniyelik bir klip (121 kare) ise 31 × 880 = 27.280 token. Token sayısı 31 kat artarken dikkat (attention) katmanlarının hesabı token sayısının karesiyle büyür. Çözünürlüğün etkisi de doğrudandır. HunyuanVideo'nun (2024) resmi tablosunda 129 karelik bir klip 544×960'ta 45 GB, 720×1280'de 60 GB tepe bellek istiyor. ### 5 saniyelik yapay zeka videosu kaç dakikada üretilir? Üreticilerin kendi ölçümlerine göre 75 saniye ile 9 dakika arasında. Wan 2.2 TI2V-5B, 5 saniyelik 720p bir videoyu tek bir tüketici kartında özel optimizasyon olmadan 9 dakikanın altında üretiyor. Wan 2.1'in 1,3 milyar parametreli modeli 5 saniyelik 480p videoyu RTX 4090'da yaklaşık 4 dakikada bitiriyor. HunyuanVideo 1.5'in adımları damıtılmış (step-distilled) 480p modeli ise [RTX 4090](/blog/rtx-4090-vs-l40s-karsilastirma/)'da 75 saniye içinde bitiriyor. Kullanılabilir bir klip için çoğu zaman birkaç deneme gerektiğinden bu süreler katlanır; bellek yetmeyip boşaltma devreye girdiğinde de uzar. ## Video modelleri için kaç GB VRAM gerekir? Ana model, metin kodlayıcı ve ara tensörlerin toplamı kadar. Aşağıdaki tablo dosya boyutlarını ve resmi bellek notlarını gösteriyor: | Model | Ana model dosyası (16-bit / 8-bit) | Metin kodlayıcı (16-bit) | Resmi bellek notu | |---|---|---|---| | Wan 2.2 TI2V-5B | 10 GB / — | 11,4 GB | 720p için resmi betikle, boşaltmayla en az 24 GB; ComfyUI'de yerel boşaltmayla yaklaşık 8 GB | | Wan 2.2 A14B | Uzman başına 28,6 / 14,3 GB | 11,4 GB | Resmi betikle, boşaltmayla tek GPU'da en az 80 GB | | HunyuanVideo 1.5 | 16,7 / 8,3 GB | 16,6 GB | Boşaltma açıkken en az 14 GB | | LTX-2.5 | 42 / 21,5 GB | 26,3 GB | Resmi rakam yok; FP8 ve boşaltma seçenekleri var | | MiniMax H3 | 40,2 / 21 GB (budanmış) | 51,5 GB | Resmi rakam yok; örnek sunucu komutu 4 GPU kullanıyor | Dosya boyutları Hugging Face'teki resmi ve ComfyUI paketlerinden, bellek notları model sayfalarından ve ComfyUI belgelerinden alındı (Ekim 2026). Hepsi yaklaşık değerdir; çözünürlük, kare sayısı ve kullandığınız araç rakamları değiştirir. ComfyUI modelleri sırayla yükleyip işi biten modeli GPU'dan çıkarabildiği için tepe kullanım, dosyaların toplamından düşük olabilir. ## Wan 2.2 kaç GB VRAM ister? Sürüme göre 8 GB ile 80 GB arasında değişir. Resmi depoya göre TI2V-5B boşaltmayla 24 GB'lık bir kartta 720p video üretir; ComfyUI belgelerine göre ComfyUI'nin yerel boşaltmasıyla 8 GB'a sığar. 14B modellerin resmi tek GPU komutları en az 80 GB'lık bir kart ister; FP8 dosyalarla (uzman başına 14,3 GB) 48 GB'lık bir kartta çalışırlar. - **S2V-14B ve Animate-14B:** Ağustos 2025'te gelen S2V-14B, ses kaydından konuşan karakter videosu üretir; resmi tek GPU komutu yine en az 80 GB ister. Eylül 2025'te gelen Animate-14B bir videodaki hareketi karaktere aktarır ya da videodaki karakteri değiştirir; resmi bellek rakamı yok. - **GGUF:** Topluluk, 14B modellerin nicemlenmiş GGUF sürümlerini Hugging Face'te yayımlıyor; bu dosyalar ComfyUI'de ComfyUI-GGUF özel düğümüyle yüklenir. Resmi dosya değildir ve bit sayısı düştükçe kalite de düşer. ## Boşaltma ve nicemleme ne kazandırır? Boşaltma GPU belleğini rahatlatır ama üretimi yavaşlatır; nicemleme (quantization) modeli küçültür ama kaliteyi biraz etkileyebilir. - **Boşaltma:** Wan ve HunyuanVideo ekipleri, bellek yetiyorsa boşaltmayı kapatmanın üretimi hızlandıracağını belirtiyor. ComfyUI'nin MiniMax H3 rehberi de bellek yetmediğinde boşaltma yerine bir alt hassasiyete inmeyi öneriyor. - **Nicemleme:** FP8, 16-bit dosyanın boyutunu yarıya indirir (Wan 2.2 A14B'nin bir uzmanı 28,6 GB'tan 14,3 GB'a). Filomuzdaki tüm GPU'lar (Ada, Hopper ve Blackwell) FP8'i donanımda destekler. NVFP4 dosyaları (ör. LTX-2.5 için 18,7 GB) Blackwell mimarisi ister; filomuzda RTX PRO 6000, RTX PRO 5000, RTX PRO 4000 ve RTX 5090 bu mimaridedir. - **Adım damıtma:** Adım sayısını 4–12'ye indiren modeller ve LoRA'lar süreyi belirgin biçimde kısaltır. HunyuanVideo 1.5 ekibi, damıtılmış modelde toplam sürenin %75 kısaldığını bildiriyor. ## Hangi ekran kartı (GPU) hangi video modeline uygun? Belirleyici olan, modelin ve metin kodlayıcının boşaltmaya gerek kalmadan sığıp sığmadığıdır. | GPU | Uygun işler | Sınır | |---|---|---| | RTX PRO 4000 (24 GB) | Wan 2.2 TI2V-5B ve HunyuanVideo 1.5 (boşaltma ya da FP8 ile), iş akışı geliştirme | 14B ve üzeri modeller çok yavaşlar ya da sığmaz | | RTX 5090 (32 GB) | Wan 2.2 TI2V-5B, HunyuanVideo 1.5 (8-bit model ve 16-bit kodlayıcı ≈25 GB) | 14B sınıfı modeller ancak FP8 dosyalar ve kısmi boşaltmayla çalışır | | RTX PRO 5000 (48 GB) | L40S ile aynı işler: Wan 2.2 A14B (FP8), HunyuanVideo 1.5 (≈33 GB), LTX-2.5 (8-bit, ≈37 GB); ayrıca NVFP4 dosyalar ve 4:2:2 kodlama | Büyük modeller 16-bit'te boşaltma ister | | L40S (48 GB) | Wan 2.2 A14B (FP8), HunyuanVideo 1.5 (16-bit model ve kodlayıcı ≈33 GB), LTX-2.5 (8-bit model ve kodlayıcı ≈37 GB) | Büyük modeller 16-bit'te boşaltma ister | | RTX PRO 6000 (96 GB) | Wan 2.2 A14B 16-bit (iki uzman ve kodlayıcı ≈69 GB), LTX-2.5 BF16 (≈68 GB), MiniMax H3 budanmış BF16 ve 8-bit kodlayıcı (≈67 GB) | [NVLink yok](/blog/multi-gpu-nvlink-kiralama-rehberi/); tek bir işi kartlara bölmek PCIe üzerinden yapılır | | [H100 / H200](/karsilastirma/h100-vs-h200/) | Çok GPU'lu paralel üretim, büyük toplu işler, LoRA eğitimi | Donanım video kodlayıcısı (NVENC) yok | Wan 2.2 A14B'nin resmi tek GPU komutu en az 80 GB'lık bir kartı hedefliyor; ekip ayrıca 8 GPU'ya bölünmüş komutlar da veriyor. HunyuanVideo 1.5'in seyrek dikkat (sparse attention) hızlandırması H serisi GPU istiyor. H100 ve H200'de NVENC olmadığı için üretilen videolar işlemcide kodlanır; L40S, RTX PRO 6000 ve RTX PRO 5000'de donanım kodlayıcı var. Ayrıntılar [video transcoding rehberimizde](/blog/video-transcoding-gpu-rehberi/). Küçük modelleri paralel çalıştırmak isterseniz RTX PRO 6000'i MIG ile her biri 24 GB olan dört parçaya bölebilirsiniz. ## ComfyUI mi, diffusers mı? Hazır şablonlarla çalışmak için ComfyUI, üretimi kendi uygulamanıza gömmek için diffusers. Güncel ComfyUI'nin şablon kitaplığında Wan 2.2 şablonları hazır gelir; TI2V-5B için model dosyası `models/diffusion_models/`, metin kodlayıcı `models/text_encoders/`, VAE dosyası `models/vae/` klasörüne konur. ComfyUI'yi bir sunucuda servis olarak kurmayı [ComfyUI üretim rehberimizde](/blog/comfyui-workflow-gpu-rehberi/) anlattık. diffusers ile Wan 2.2 TI2V-5B, model kartındaki örnekten kısaltılmış haliyle: ```bash pip install diffusers transformers accelerate ftfy imageio imageio-ffmpeg ``` ```python import torch from diffusers import WanPipeline, AutoencoderKLWan from diffusers.utils import export_to_video model_id = "Wan-AI/Wan2.2-TI2V-5B-Diffusers" vae = AutoencoderKLWan.from_pretrained(model_id, subfolder="vae", torch_dtype=torch.float32) pipe = WanPipeline.from_pretrained(model_id, vae=vae, torch_dtype=torch.bfloat16) pipe.to("cuda") # bellek yetmezse bu satır yerine: pipe.enable_model_cpu_offload() frames = pipe( prompt="A red sports car drives along a coastal road at sunset", height=704, width=1280, num_frames=121, guidance_scale=5.0, num_inference_steps=50, ).frames[0] export_to_video(frames, "video.mp4", fps=24) ``` ## Yapay zeka ile üretilen videolar ticari kullanılabilir mi? Açık modellerde bu, modelin lisansına bağlıdır: Wan 2.2 (Apache 2.0) ticari kullanıma serbesttir; HunyuanVideo 1.5, LTX-2.5 ve MiniMax H3'te bölge, kullanıcı sayısı ve gelir sınırlarına bakın. Çevrimiçi servislerde ise servisin kullanım koşulları geçerlidir. - **Wan 2.2:** Apache 2.0; ticari kullanım serbest. - **HunyuanVideo 1.5:** Lisans AB, Birleşik Krallık ve Güney Kore'de geçerli değil; çıktıların bu bölgelerde kullanılması da kapsam dışı. Aylık 100 milyondan fazla aktif kullanıcısı olan şirketler ayrıca izin almalı. - **LTX-2.5:** Yıllık geliri 10 milyon doların altındaki kuruluşlar için ticari kullanım ücretsiz; üzerindekiler ücretli lisans almalı. - **MiniMax H3:** ABD, AB, Birleşik Krallık ve Güney Kore kapsam dışı. Yıllık geliri 20 milyon doları aşan ticari ürünler için yazılı izin gerekiyor ve ticari ürünün arayüzünde "MiniMax H3" ibaresi gösterilmeli. Türkiye, bölge kısıtlı iki lisansın kapsamında. Ancak AB'deki bir müşteri için video üretiyorsanız çıktı kısıtı sizi de bağlar. Bu bölüm genel bilgidir, hukuki tavsiye değildir; kendi değerlendirmenizi yapın ve güncel lisans metnini okuyun. ## Video üretimi için hangi GPU sunucuyu kiralamalı? Her gün video üreten bir ajans ya da ürün ekibi için önerimiz [RTX PRO 6000](/gpu-modelleri/nvidia-rtx-pro-6000/) (aylık $1.600): 96 GB bellek bu yazıdaki büyük modelleri 16-bit ya da 8-bit dosyalarla tek kartta tutar ve kodlamayı aynı makinede donanımla yapar. Bütçe öncelikliyse ve FP8 dosyalarla çalışmak size uyuyorsa 48 GB'lık [RTX PRO 5000](/gpu-modelleri/nvidia-rtx-pro-5000/) (aylık $800) ya da [L40S](/gpu-modelleri/nvidia-l40s/) (aylık $900); bunlardan RTX PRO 5000 NVFP4 dosyaları da çalıştırır. İş akışı geliştirmek için [RTX PRO 4000](/gpu-modelleri/nvidia-rtx-pro-4000/) (aylık $450) yeterlidir. Küçük modellerle ve FP8 ya da NVFP4 dosyalarla hızlı üretim için 32 GB'lık [RTX 5090](/gpu-modelleri/nvidia-rtx-5090/) (aylık $600) bir ara seçenektir. Çok GPU'lu toplu üretim ve eğitim için [H100](/gpu-modelleri/nvidia-h100/) ve [H200](/gpu-modelleri/nvidia-h200/) var. Kiralamalarımız aylıktır, en kısa süre 1 aydır; 7/24 kullanımda RTX PRO 6000'in saatlik karşılığı $2,19 olur. Birkaç klip üretip bırakacaksanız [saatlik bulut](/blog/cloud-gpu-vs-fiziksel-gpu/) daha ucuz olabilir. Sürekli üretimde ise sabit aylık fiyat ve müşteri görsellerinin Bağcılar, İstanbul'daki tesisimizde, Türkiye'de kalması avantaj sağlar; ekran kartları ve sunucu kaynakları paylaşımsızdır, yalnızca size ayrılır. Fiyatlar GPU başına, ABD doları cinsinden ve KDV hariçtir; fatura tarihindeki TCMB satış kuruyla Türk lirası olarak faturalanır. Yıllık kiralamada %20 indirim uygulanır. İki kartı ayrıntılı karşılaştırmak için [L40S ve RTX PRO 6000 sayfamıza](/karsilastirma/l40s-vs-rtx-pro-6000/) bakın. Dönüştürme, altyazı ve netleştirme işleri için [video netleştirme (upscale) ve dönüştürme sunucusu](/hizmetler/video-isleme/) sayfamıza, ürün görselleri için [görsel üretimi sayfamıza](/hizmetler/yapay-zeka-gorsel-uretimi/) bakın. [Görsel modellerinin VRAM ihtiyacını](/blog/stable-diffusion-gpu-rehberi/) ise Stable Diffusion ve FLUX rehberimizde anlattık. ## Özet - Ekim 2026'da ağırlıkları açık başlıca video modelleri Wan 2.2, HunyuanVideo 1.5, LTX-2.5 ve MiniMax H3; lisans koşulları birbirinden çok farklı. - Video, kare sayısı ve çözünürlükle büyüyen token sayısı yüzünden görselden çok daha fazla bellek ve süre ister. - Küçük modeller boşaltmayla 14–24 GB'ta çalışır; büyük modelleri hızlı çalıştırmak için 48–96 GB gerekir. - Bellek yetmediğinde önce FP8 veya 8-bit dosyaları deneyin; boşaltma üretimi yavaşlatır. - Ticari kullanımdan önce lisansın bölge ve gelir koşullarını kontrol edin. ## Kaynaklar - [Wan 2.2 GitHub deposu](https://github.com/Wan-Video/Wan2.2) - [Wan 2.2 TI2V-5B diffusers model kartı](https://huggingface.co/Wan-AI/Wan2.2-TI2V-5B-Diffusers) - [HunyuanVideo 1.5 GitHub deposu](https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5) - [HunyuanVideo GitHub deposu](https://github.com/Tencent-Hunyuan/HunyuanVideo) - [LTX-2.5 model kartı](https://huggingface.co/Lightricks/LTX-2.5) - [MiniMax H3 model kartı](https://huggingface.co/MiniMaxAI/MiniMax-H3) - [ComfyUI belgeleri: Wan 2.2](https://docs.comfy.org/tutorials/video/wan/wan2_2) - [ComfyUI belgeleri: MiniMax H3](https://docs.comfy.org/tutorials/video/minimax/minimax-h3) - [Wan 2.1 GitHub deposu](https://github.com/Wan-Video/Wan2.1) - [Wan 2.2 A14B GGUF dosyaları (QuantStack)](https://huggingface.co/QuantStack/Wan2.2-T2V-A14B-GGUF) - [ComfyUI-GGUF özel düğümü](https://github.com/city96/ComfyUI-GGUF) - [MiniMax H3 lisans metni](https://huggingface.co/MiniMaxAI/MiniMax-H3/blob/main/LICENSE) - [NVIDIA RTX PRO 5000 Blackwell](https://www.nvidia.com/en-us/products/workstations/professional-desktop-gpus/rtx-pro-5000/) ## Sık sorulan sorular **Wan 2.2 24 GB ekran kartında çalışır mı?** TI2V-5B çalışır: resmi betik boşaltmayla 24 GB'lık bir kartta 720p video üretir; HunyuanVideo 1.5 de boşaltma açıkken 14 GB'ta çalışır. Wan 2.2'nin 14B modelleri 24 GB'ta ancak FP8 ya da GGUF dosyalar ve boşaltmayla, belirgin biçimde yavaş çalışır; hızlı üretim için 48–96 GB gerekir. **Ses de üreten açık video modeli var mı?** Var. LTX-2.5 ve MiniMax H3 videoyla eşzamanlı ses üretir; MiniMax H3 stereo ses verir. İkisinin de 16-bit model ve metin kodlayıcı dosyaları toplamda 60 GB'ı aştığı için rahat kullanım için 96 GB'lık bir kart ya da 8-bit dosyalar gerekir. **Video üretimi için H100 mü, RTX PRO 6000 mi?** Tek kartta üretim için RTX PRO 6000'in 96 GB belleği ve donanım video kodlayıcısı avantaj sağlar. H100'ün yüksek bant genişlikli HBM belleği ise birden çok GPU'ya bölünen toplu işlerde ve eğitimde öne çıkar; H100'de donanım video kodlayıcısı yoktur. **Video modelini kendi verimle ince ayarlayabilir miyim?** Evet. HunyuanVideo 1.5 ekibi eğitim ve LoRA betiklerini yayımladı; Wan 2.2 için de LoRA eğitimini destekleyen topluluk araçları var. İnce ayar, üretimden daha fazla bellek ister. **Ticari kullanım için lisansı en rahat video modeli hangisi?** Bu dört model arasında en az kısıtlı olan Apache 2.0 lisanslı Wan 2.2'dir. HunyuanVideo 1.5 ve MiniMax H3 bölge sınırı, LTX-2.5 ve MiniMax H3 gelir sınırı içerir; güncel lisans metnini mutlaka okuyun. **Wan 2.2 14B ile 5B arasındaki fark nedir?** TI2V-5B, metinden ve görselden 720p, 24 fps video üreten tek parçalı küçük modeldir ve resmi betikle boşaltmayla 24 GB'lık bir kartta çalışır. T2V-A14B ve I2V-A14B ise iki uzmanlı (MoE) modellerdir: toplam 27 milyar parametrenin her adımda 14 milyarı çalışır ve resmi tek GPU komutları en az 80 GB ister; FP8 dosyalarla 48 GB'lık bir karta iner. **HunyuanVideo 1.5 kaç GB VRAM ister?** Resmi depoya göre 8,3 milyar parametreli HunyuanVideo 1.5, boşaltma (offload) açıkken en az 14 GB ile çalışır. Boşaltmasız kullanımda 16-bit model ve metin kodlayıcı birlikte yaklaşık 33 GB tuttuğu için 48 GB'lık L40S yeter; 32 GB'lık RTX 5090'da 8-bit modelle (yaklaşık 25 GB) çalışır. **LTX video hangi GPU'da çalışır?** LTX-2.5'in model kartı resmi bir VRAM alt sınırı vermiyor, düşük bellek için FP8 ve boşaltma seçenekleri sunuyor. Dosya boyutlarına göre 22 milyar parametreli model, metin kodlayıcıyla birlikte 16-bit dosyalarla yaklaşık 68 GB tuttuğu için 96 GB'lık RTX PRO 6000'de, 8-bit dosyalarla (yaklaşık 37 GB) 48 GB'lık L40S'te boşaltmasız çalışır. NVFP4 dosyaları ise Blackwell mimarisi ister (RTX PRO 6000, RTX 5090).