# Sink-Sparse Hybrid Attention, difüzyon modellerini hızlandırıyor

> Yeni, eğitim gerektirmeyen dikkat yöntemi, kaliteyi korurken iki difüzyon transformatöründe çıkarım süresini 1.57×’ye kadar kısaltıyor.

Oossa · 2026-10-19 · https://oossa.com/tr/sink-sparse-hybrid-attention-speeds-up-text-to-image-and-video-diffusion-models

Bingxin Xing liderliğindeki araştırmacılar, önceden eğitilmiş difüzyon transformatörlerinde yoğun öz dikkatin yeniden eğitim yapılmadan kullanılmasını sağlayan Sink-Sparse Hybrid Attention yöntemini tanıttı. Yöntem, küçük bir kalibrasyon kümesinden statik “sink maskeleri” oluşturuyor ve hafif bir havuzlanmış KV dalı ekliyor. Wan2.1‑T2V‑1.3B modelinde uçtan uca üretimi 1.54×, Z‑Image‑Turbo’da ise 1.57× hızlandırırken özgün modellerle karşılaştırılabilir kalite sunuyor.

## Gerçekler

- Makale 16 Oct 2026 tarihinde gönderildi
- Wan2.1‑T2V‑1.3B’de 1.54×, Z‑Image‑Turbo’da 1.57× hızlanma

## Neden önemli

Daha hızlı çıkarım, geliştiricilerin görüntü veya videoları daha düşük maliyetle üretmesini sağlar; bu da metinden medya üretimine dayanan uygulamaların maliyetlerini düşürebilir.

## Kaynaklar ve referanslar

1. [Sink-Sparse Hybrid Attention for Efficient Inference in T2I/T2V Diffusion Transformers](https://arxiv.org/abs/2610.22975) – arXiv cs.CV, 2026-10-19

Son güncelleme: 2026-10-19