Google "TurboQuant"u Təqdim Etdi —Yenidən Təlim Keçmədən AI Yaddaşı 6 Dəfə Azaldır

Google Research 25 mart 2026-cı ildə TurboQuant adlı inqilabi süni intellekt sıxışdırma alqoritmini elan etdi. Bu alqoritm böyük dil modellərinin ən böyük yaddaş darboğazı olan KV önbelleğini (key-value cache) heç bir yenidən təlim tələb etmədən ən azı 6 dəfə kiçildir və eyni zamanda dəqiqliyi tam qoruyub saxlayır. TurboQuant ICLR 2026 konfransında təqdim edilmək üçün hazırlanmış olsa da, texniki detalların açıqlanması ilk gündən qlobal texnologiya icmasında böyük rezonans doğurdu. Cloudflare-in CEO-su Matthew Prince onu "Google-un DeepSeek anı" adlandırdı. Çip bazarları isə xəbərə dərhal reaksiya verdi — Micron, Western Digital, Samsung və SK Hynix kimi yaddaş istehsalçılarının səhm qiymətləri kəskin şəkildə aşağı düşdü.

🧠 TurboQuant nədir və nə ilə fərqlənir?

Böyük dil modelləri işləyərkən hər yeni söz (token) üçün əvvəlki bütün konteksti yenidən hesablamamaq məqsədilə "KV cache" adlı müvəqqəti yaddaş sahəsindən istifadə olunur. Kontekst pəncərəsi böyüdükcə bu keş də genişlənir və GPU yaddaşını sürətlə tükəndirir. Bu məsələ uzun illərdir ki, AI infrastrukturunun ən bahalı darboğazı hesab olunur. TurboQuant isə bu problemi kökündən həll edir: hər dəyəri standart 16 bitdən cəmi 3 bitə qədər sıxışdırır — heç bir dəqiqlik itkisi olmadan.

TurboQuant-ı digər sıxışdırma üsullarından fərqləndirən əsas xüsusiyyət onun nəzəri hədlərə yaxın işləməsidir. Ənənəvi kvantlaşdırma metodları hər data bloku üçün əlavə normallaşdırma sabitləri saxlamalı olur ki, bu da praktiki sıxışdırmanı zəiflədir. TurboQuant isə bu "gizli xərci" tamamilə aradan qaldırır.

🔬 TurboQuant necə işləyir? — PolarQuant və QJL

TurboQuant iki ayrı alqoritmin sinerjisinə əsaslanır: PolarQuant (AISTATS 2026-da təqdim ediləcək) və Quantized Johnson-Lindenstrauss (QJL) (AAAI 2025-də dərc olunub). Bu iki mərhələli proses birlikdə yaddaş sərfiyyatını minimuma endirərkən dəqiqliyi qoruyur.

Google Research bu texnologiyanı LongBench, Needle In A Haystack, ZeroSCROLLS, RULER və L-Eval kimi uzun kontekst benchmark-larında açıq mənbəli Gemma və Mistral modelləri üzərində sınaqdan keçirib. Bütün testlərdə TurboQuant rəqib metodlardan üstün nəticə göstərib.

💰 Praktiki təsir: xərclər, çiplər və qazanan tərəflər

TurboQuant yalnız akademik nailiyyət deyil — onun real bazarlara birbaşa təsiri var. Böyük dil modellərinin işlədilməsində ən bahalı hissə çıxarsama (inference) zamanı KV önbelleğinin tutduğu GPU yaddaşıdır. Bu tələbin 6 dəfə azalması bulud hesablama xərclərini, avadanlıq miqyasını və kiçik şirkətlər üçün əlçatanlığı kökündən dəyişir.

🔍 Vektor axtarışına təsiri

TurboQuant yalnız KV keşlə məhdudlaşmır — o, vektor axtarışını da əhəmiyyətli dərəcədə sürətləndirir. Bu isə Google axtarışından YouTube tövsiyələrinə qədər bir çox sistemin performansına təsir edir.

👥 TurboQuant-ı kim hazırlayıb?

TurboQuant Google Research tədqiqatçıları tərəfindən hazırlanıb və beynəlxalq akademik qurumlarla əməkdaşlıq çərçivəsində inkişaf etdirilib.

📝 Yekun

👥 TurboQuant-ı kim hazırlayıb?

TurboQuant Google Research tədqiqatçıları Amir Zandieh və vise-prezident Vahab Mirrokni (Google Fellow) tərəfindən hazırlanıb. Layihədə həmçinin Google DeepMind, KAIST (Cənubi Koreya) və Nyu-York Universitetindən (NYU) olan tədqiqatçılar da iştirak ediblər. Rəsmi açıq mənbə kodunun 2026-cı ilin ikinci rübündə, ICLR 2026 konfransından (23–25 aprel, Rio-de-Janeyro) sonra yayımlanacağı gözlənilir.

🔮 Sonrakı addımlar — AI infrastrukturunun gələcəyi

TurboQuant-ın texnologiya icmasında yaratdığı rezonans gözləniləndən daha sürətli oldu. Elanın üzərindən cəmi 24 saat keçdikdən sonra proqramçılar artıq Apple Silicon üçün MLX kitabxanasında və llama.cpp layihəsində ilkin tətbiqlər hazırlamağa başladılar. Hətta GPT-5.4 vasitəsilə cəmi 25 dəqiqəyə MLX implementasiyası yazan bir proqramçının paylaşımı texnologiyanın nə qədər sürətlə yayıldığını göstərdi. Meta, OpenAI və Anthropic kimi digər AI laboratoriyalarının da bu yanaşmadan ilhamlanaraq öz versiyalarını hazırlaması qaçılmaz görünür.

📝 Yekun dəyərləndirmə