# fal ve Fireworks, EAGLE-4 analizini ve benchmark’ı yayımladı

> Ortak makale, EAGLE-4 spekülatif kod çözme sistemini ve görüntü ile video üretiminde istem genişletmeyi sınayan 400 öğelik bir veri kümesini tanıtıyor.

Oossa · 2026-10-21 · https://oossa.com/tr/fal-and-fireworks-release-eagle-4-analysis-and-prompt-enhancement-benchmark

fal AI ve Fireworks, yeni EAGLE-4 spekülatif kod çözme sistemlerine ilişkin kapsamlı bir teknik inceleme yayımladı. Blog yazısıyla birlikte, metinden görüntüye, görüntüden görüntüye, metinden videoya ve görüntüden videoya görevlerini kapsayan 400 istemlik herkese açık Prompt Enhancement SpecBench benchmark’ı da kullanıma sunuldu. NVIDIA B300 GPU’larda yapılan testlerde EAGLE-4 Harness, Fireworks benchmark’ında 1’lik batch boyutunda saniyede 660.6 token’a ulaştı; bu, en iyi sonraki yönteme kıyasla 1.63× hız artışı anlamına geliyor. Ağaç tabanlı doğrulama, yaratıcı istemlerde kabul uzunluğunu da %26’ya kadar artırdı. Çalışma, hızlı görüntü ve video modellerinde uçtan uca işlem süresinin büyük bölümünü oluşturmaya başlayan istem iyileştirme adımlarının gecikmesini azaltmayı amaçlıyor.

## Gerçekler

- EAGLE-4 Harness, Fireworks Bench’te 1’lik batch boyutunda saniyede 660.6 token’a ulaşıyor (en iyi alternatife göre 1.63× daha hızlı).
- Prompt Enhancement SpecBench, 18 veri kümesinden alınan 400 örnek içeriyor ve her biri 100 örnekten oluşan dört kategoriye ayrılıyor.

## Neden önemli

İstemlerin daha hızlı genişletilmesi, görüntü ve video üreticileri gerçek zamana yaklaşırken geliştiricilerin etkileşimli yanıt sürelerini korumasını sağlıyor.

## Kaynaklar ve referanslar

1. [EAGLE-4 Technical Deepdive](https://blog.fal.ai/eagle-4-technical-deepdive/) – fal AI, 2026-10-20

Son güncelleme: 2026-10-21