Teknoloji
NVIDIA evdeki bilgisayarları birbirine bağlıyor: PAIR neyi çözüyor, neyi çözmüyor?
PAIR, ev ağındaki birden fazla bilgisayarı tek bir yerel AI uç noktasının arkasına topluyor. Ama ekran kartlarının belleğini birleştirmiyor.
NVIDIA, 3 Eylül'de IFA 2026'da yeni bir araç duyurdu: Personal AI Router, kısaca PAIR. Ücretsiz, açık kaynak ve şu an halka açık beta olarak indirilebilir durumda.
Yaptığı iş tek cümleyle şu: ev ağındaki uyumlu bilgisayarları otomatik olarak buluyor ve yerel AI isteklerini o an hangi makine müsaitse ona yönlendiriyor.
Duyuruyu okuduğumda ilk aklıma gelen soru şuydu — bu, iki ekran kartını birleştirip daha büyük model çalıştırmak anlamına mı geliyor? Cevap hayır. Ve bu "hayır" yazının asıl konusu, çünkü PAIR'in çözdüğü sorunla çoğu kişinin çözmesini umduğu sorun aynı değil.
PAIR ne yapıyor
Normalde yerel model çalıştırırken Ollama veya LM Studio'ya bağlanırsınız; istek gider, o makinedeki ekran kartı cevap üretir.
PAIR araya giriyor. Uygulamalarınıza tek bir adres gösteriyor, arkada ise ağdaki bütün uygun makineleri tanıyor. Bir istek geldiğinde önce ilgili modeli çalıştırabilen düğümleri belirliyor; ardından kuyruktaki iş miktarına ve GPU kullanımına bakarak isteği bunlardan birine yönlendiriyor.
Bu seçimin ne kadar ince olduğu konusunda beklentiyi yüksek tutmamak gerekiyor. NVIDIA'nın bilinen sorunlar sayfasına göre yönlendirme kararı kuyruk derinliği ve kaba GPU kullanımı üzerinden veriliyor; VRAM kapasitesi, ekran kartı modeli, gecikme veya modelin o an bellekte yüklü olup olmaması hesaba katılmıyor. Yani PAIR "en güçlü kartı seçen" bir sistem değil, "müsait olanı bulan" bir sistem.
Kurulumu da buna göre: PAIR'i dahil edeceğiniz her makineye kuruyorsunuz ve yerel ağdaki eşleşmeleri onaylıyorsunuz. Her düğümde bir çıkarım motoru gerekiyor — Ollama veya LM Studio zaten kuruluysa PAIR onu kullanıyor, yoksa kendisi kurabiliyor. Ollama veya OpenAI uyumlu yerel bir uç noktaya bağlanan uygulamalarda ayrıca entegrasyon değişikliği gerekmiyor; uygulamayı PAIR'in yerel uç noktasına yönlendirmek yetiyor.
Desteklenen donanım listesi geniş: Windows, macOS ve Linux; RTX 20 serisi ve sonrası, RTX PRO iş istasyonu kartları, DGX Spark ve Apple M4 yongaları.
PAIR ne yapmıyor
NVIDIA'nın belgelerinde açıkça yazan şey: PAIR ekran kartlarının belleğini birleştirmiyor ve tek bir modeli makineler arasında bölmüyor.
Bu ayrım önemli çünkü yerel AI'da en sık karşılaşılan duvar bellek duvarı. 12 GB VRAM'iniz varsa PAIR bunu 20 GB'ye çıkarmıyor. Model, kullandığınız runtime'ın izin verdiği ölçüde sistem RAM'ine taşınabilir — yani VRAM'den büyük modeller yavaşlayarak da olsa çalışabilir — ama bu PAIR'in yaptığı bir şey değil. PAIR ikinci bir makinenin belleğini ilk makinenin VRAM'ine eklemiyor. 12 GB + 8 GB, PAIR kurunca 20 GB'lik tek bir ekran kartına dönüşmüyor.
Bir ayrıntı daha var: PAIR modelleri makineler arasında paylaşmıyor. Aynı modelin iki bilgisayarda da istek alabilmesi için modelin iki makinede de ayrıca kurulu olması gerekiyor. Bir istek, ancak ilgili model o düğümde mevcutsa oraya yönlendirilebiliyor.
Yani PAIR şunu sağlamıyor:
- Daha büyük model çalıştırmak
- Tek bir isteğin daha hızlı cevaplanması
- İki kartın belleğinin toplanması
- Modelin diğer makineye kendiliğinden taşınması
Asıl sağladığı şey, bağımsız istekleri ağdaki uygun makinelere yönlendirmek. Bunun en görünür faydası da paralel işlerde birden fazla makinenin aynı anda çalışabilmesi.
O zaman kime yarıyor
NVIDIA'nın örneği bunu net anlatıyor. Ajan tabanlı iş akışlarında bir ana ajan, karmaşık bir görevi alt görevlere bölüp hepsini aynı anda başlatıyor. Her alt ajanın model çağrısı yapması gerekiyor. Tek ekran kartınız varsa bu çağrılar sıraya giriyor ve birbirini bekletiyor.
NVIDIA'nın kendi demosunda beş alt ajanlı bir görev tek bir RTX Spark dizüstü bilgisayarda ortalama 18 dakika sürerken, üç cihazlı bir kümede 8 dakika 48 saniyeye inmiş.
Ama bu rakamı olduğu gibi almadan önce kümenin neyden oluştuğuna bakmak gerekiyor: RTX Spark dizüstü + DGX Spark + RTX 5090. Yani burada ölçülen şey sadece "üç makineye dağıtmanın" etkisi değil; kümeye belirgin biçimde daha güçlü donanımlar da eklenmiş. NVIDIA da bunun yapılandırmaya özgü bir demo olduğunu, genel bir kıyaslama olmadığını belirtiyor.
Mantığı yine de anlaşılır: beş iş sırayla değil, paralel yapılıyor.
Benim okuyuşum şu — PAIR'in gerçekten işe yaradığı yer oldukça dar bir kesişim:
- Evde birden fazla, yeterince güçlü bilgisayarınız olacak
- Ajan tabanlı, paralel çalışan iş akışları kullanıyor olacaksınız
- Bu makineler aynı anda boşta duruyor olacak
Bu üç koşul bir aradaysa PAIR'in faydası belirginleşiyor. İkisi varsa da işe yarayabiliyor — örneğin ajan kullanmasanız bile, oyun oynadığınız ana bilgisayarı meşgul etmemek için AI isteğini diğer makineye yönlendirmek mümkün. Tek bilgisayarla ara sıra sohbet eden kullanıcı içinse anlamı oldukça sınırlı.
Neden yine de dikkat çekici
Bunu küçümsemek için yazmıyorum. İlginç bulduğum şey, NVIDIA'nın daha büyük tek bir ekran kartı önermek yerine evde zaten duran makineleri aynı iş akışına dahil etmeye çalışması.
Son bir yılda yerel AI, meraklı işi olmaktan çıkıp gerçek iş akışlarına girdi. Ajanlar yaygınlaştı. Ve tek güçlü ekran kartı olan kullanıcılar pratik bir tavana çarpmaya başladı: aynı anda çalışan ajanlar aynı donanım için yarışıyor, birbirini yavaşlatıyor, sonunda insanlar kaçmaya çalıştıkları bulut servislerine geri dönüyor.
PAIR bu tavanı aşmak yerine etrafından dolaşıyor. Daha güçlü tek makine satmaktansa, evde zaten duran makineleri devreye sokmayı öneriyor. NVIDIA'nın kendi verdiği rakama göre ABD'deki hanelerin yarısından fazlasında iki veya daha fazla bilgisayar var ve çoğu gün boyunca boş duruyor.
Açık kaynak ve ücretsiz olması da bu okumayı destekliyor: PAIR bir ürün değil, yerel AI'ı daha kullanılabilir kılarak NVIDIA donanımını daha değerli hale getiren bir araç.
Türkiye'den bakınca
Evde iki uyumlu bilgisayar bulundurmak buradaki çoğu kullanıcı için gerçekçi değil. RTX 20 serisi ve sonrası şartı listeyi biraz genişletiyor — yani eski oyun bilgisayarınızı emekliye ayırmadıysanız ikinci düğüm olarak kullanabilirsiniz.
Ama dürüst olmak gerekirse, tek kartla yerel model çalıştıran birinin sorunu paralellik değil. Sorun hâlâ bellek. Ve PAIR onu çözmüyor.
Yine de beta olduğu ve ücretsiz olduğu için denemenin maliyeti yok. Elinizde iki makine varsa kurup bakmaya değer.
