Gemma 4 26B Yerel vs API: 2GB Kurulum, Hız ve Maliyet

Kısaca

TurboFieldfare, paylaşılan bileşenleri ve 4K KV önbelleğini bellekte tutarken yönlendirilen uzmanları SSD’den akışla yükleyerek, yalnızca metin için Gemma 4 26B kurulumunu yaklaşık 2 GB çalışma belleğiyle çalıştırdığını bildiriyor. Bu, Apple Silicon için özelleştirilmiş düşük bellekli bir yapılandırmadır; Gemma 4 26B için evrensel bir asgari gereksinim değildir.

Gemma 4 26B A4B, yaklaşık token başına 3.8B parametre etkinleştiren 25.2B parametreli bir Uzman Karışımı (MoE) modelidir. Google ayrıca gemma-4-26b-a4b-it model kimliği altında Gemini API üzerinden barındırılan erişim sağlar.

TurboFieldfare, yerleşik belleği düşürmek için yalnızca paylaşılan model çekirdeğini, KV önbelleğini ve yakın zamanda kullanılan uzmanları bellekte tutar. Diğer yönlendirilen uzmanlar, her token oluşturulurken SSD’den yüklenir.

Bildirilen 2 GB sonucu şu sınırlamalarla birlikte gelir:

• Modelin tam 256K bağlam penceresi değil, 4K KV önbelleği kullanır.
• Yerel model kurulumu yine de yaklaşık 14.3 GB SSD depolama gerektirir.
• Performans, SSD hızı, önbellek davranışı ve Apple Silicon donanımına bağlıdır.
• Mevcut çalışma zamanı yalnızca metin çıkarımını destekler.

Yerel yol çevrimdışı kullanım, cihaz üstünde gizlilik ve donanım kontrolü için tasarlanmıştır. Google’ın barındırılan API’si metin ve görsel girişi, yönetilen altyapı ve daha kolay ölçekleme sunar.

Bu kılavuz, 2 GB kurulumunu açıklar ve ardından bellek, hız, bağlam, gizlilik, üretim olgunluğu ve toplam maliyet açısından yerel çıkarımı Google’ın API’siyle karşılaştırır.

Gemma 4 26B API ve Yerel Karşılaştırma (Hızlı Bakış)

Resmi Gemma 4 model kartına göre, 26B A4B varyantı 128 yönlendirilen uzman kullanır, token başına sekiz yönlendirilen uzmanı etkinleştirir ve bir paylaşılan uzman içerir.

Gemma 4 26B A4B Hakkında Kısa Arka Plan

Gemma 4 (Google DeepMind tarafından ~Nisan 2026 civarı Apache 2.0 ile yayınlandı), yoğun modeller (E2B, E4B, 12B, 31B) ve bu Uzman Karışımı (MoE) varyantını içerir: yaklaşık 25.2B toplam parametre ancak token başına yalnızca ~3.8B aktif (A4B). Her tokenı uzmanların küçük bir alt kümesine yönlendirir (genellikle 128 toplam + 1 paylaşılan içinden 8 aktif). Bu, yaklaşık 4B sınıfı hesaplama maliyetiyle 31B’ye yakın kalite, 256K bağlam penceresi ve çok kipli (metin + görsel) desteği sağlar.

Önemli ayrım: Tüm ~26B parametre yine de yönlendirme için “erişilebilir” olmalıdır. Geleneksel çalışma zamanları (Ollama, llama.cpp, LM Studio, vLLM, vb.) tüm kantize ağırlıkları RAM/VRAM’e yükler.

2 GB’lık Yerel Gemma 4 İddiası Ne Anlama Geliyor?

2 GB sonucu, Apple Silicon üzerinde özel olarak Gemma 4 26B A4B için oluşturulmuş bağımsız bir Swift ve Metal çalışma zamanı olan TurboFieldfare tarafından geliyor.

TurboFieldfare, tüm yerel model kurulumunu birleşik bellekte tutmaz. 1.35 GB’lık paylaşılan model çekirdeğini ve FP16 KV önbelleğini bellekte tutar, ardından her token oluşturulurken gereken yönlendirilen uzmanları SSD’den akışla yükler.

Proje şu referans yapılandırmayı raporlar:

Bunlar, resmi Google kıyasları değil, topluluk çalışma zamanı ölçümleridir. İstem uzunluğu, üretilen uzunluk, SSD performansı, uzman-önbelleği davranışı ve donanım yapılandırması sonucu etkileyebilir.

Doğru özet şudur:

TurboFieldfare, yönlendirilen uzmanları SSD’den akışla yükleyerek yaklaşık 2 GB (ağırlıklar ve 4K KV önbellek) kullanan kantize, yalnızca metin Gemma 4 26B A4B yapılandırmasını çalıştırır.

Şu şekilde özetlenmemelidir:

Gemma 4 26B yalnızca 2 GB RAM’e ihtiyaç duyar.

Bu kısa iddia, 14.3 GB depolama gereksinimini, sınırlı başlık bağlam yapılandırmasını, SSD bağımlılığını, kantizasyon yöntemini ve macOS ile diğer uygulamalar tarafından hâlâ gereken belleği dışarıda bırakır.

Standart Yerel Çıkarım Aslında Ne Gerektirir?

Google, geleneksel Gemma 4 26B A4B çıkarımı için yaklaşık bellek gereksinimlerini şu şekilde yayınlar:

Bu rakamlar yaklaşık %20 model yükleme ek yükünü içerir. Çıkarım çerçevesi veya KV önbelleğin gerektirdiği ek bellek dahil değildir.

Güncel resmi tahminler için Google’ın Gemma 4 model genel bakış ve bellek tablosuna bakın.

2 GB, Standart Bellek Gereksinimleriyle Nasıl Karşılaştırılır?

TurboFieldfare, tam kantize modeli bellekte tutmadığı için çok daha düşük yerleşik bellek elde eder. Şunları birleştirir:

1. Dört bitlik model ağırlıkları.
2. Sınırlı boyutlu bir bellek içi uzman önbelleği.
3. Yönlendirilen uzmanlar için SSD destekli akış.
4. Yayınlanan yapılandırmada 4K KV önbelleği.
5. Özel Swift ve Metal çıkarım çekirdekleri.

Bu, geleneksel tamamen yerleşik dağıtımdan farklı bir ödünleşim üretir.

Tamamen yerleşik bir Q4 model çok daha fazla bellek gerektirir ancak depolamadan uzman verilerini tekrar tekrar yüklemekten kaçınır. TurboFieldfare bellek baskısını azaltır, ancak performansı SSD bant genişliği, önbellek isabetleri, bağlam uzunluğu ve donanım nesline daha bağımlı hale getirir.

Bu, model MoE olduğu için işe yarar. Yoğun modellerde bu işe yaramaz — her ağırlık her ileri geçişe katılır. Bu, model boyutunda temel bir değişim değil, mimariden yararlanan bir mühendislik numarasıdır. Düşük RAM’li Mac’lerde toplu/async işler için kullanılabilir performans sağlar, ancak en yavaş donanımlarda gerçek zamanlı sohbet için uygun değildir. Şimdilik yalnızca Mac/Apple Silicon ve modele özgüdür.

2 GB Yapılandırması Tam 256K Bağlam Penceresini Kullanabilir mi?

Resmi Gemma 4 26B A4B modeli 256K tokene kadar bağlam penceresini destekler. Yaklaşık 2 GB’lık TurboFieldfare yapılandırması ise 4K KV önbelleği kullanır.

Bunlar ayrı ölçümlerdir:

• Resmi model yeteneği: 256K tokene kadar.
• Yayınlanan yerel bellek sonucu: 4K KV önbelleği.
• Pratik yerel bağlam: Mevcut bellek, çalışma zamanı ayarları, istem uzunluğu ve kabul edilebilir gecikme tarafından belirlenir.

İstem ve üretilen yanıt uzadıkça KV önbellek belleği büyür. Yerel yapılandırmayı 32K, 128K veya 256K tokene doğru genişletmek bellek kullanımını artırır ve ön doldurma süresi ile üretim hızını da etkileyebilir.

Uzun belge analizi değerlendiren ekipler, 2 GB sonucunun modelin tam bağlam penceresi için geçerli olduğunu varsaymak yerine hedef bağlamlarını fiilen test etmelidir.

Gemma 4 26B Apple Silicon’da Ne Kadar Hızlı?

TurboFieldfare iki referans decode hızı aralığı bildirir:

• 8 GB M2 MacBook Air: 5.1–6.3 token/saniye.
• 24 GB M5 Pro: 31–35 token/saniye.

Bu sonuçlar, yerel çıkarımın donanımdan ne kadar güçlü etkilendiğini gösterir. Evrensel performans garantileri olarak ele alınmamalıdır.

Aylık Maksimum Çıktıyı Tahmin Edin

Maksimum aylık çıktı tokenı = saniyedeki decode token × 60 × 60 × 24 × 30

Bildirilen decode hızlarını kullanarak:

Bunlar yalnızca decode tahminleridir. Gerçek uygulamalar ayrıca şunlara zaman harcar:

• İstem ön doldurma.
• İstek sıralama.
• Model yükleme ve yeniden başlatmalar.
• Başarısız veya reddedilen yanıtlar.
• İşletim sistemi etkinliği.
• İzleme ve bakım.
• Planlı ve plansız kesinti.

Örneğin, saniyede 5.1 token hızla dört milyon çıktı tokenı üretmek yaklaşık 9.1 gün kesintisiz decode gerektirir. 20 milyon çıktı tokenı üretmek yaklaşık 45.4 gün gerektirir; bu da tek bir M2 makine için 30 günlük bir ay içinde imkansızdır.

Bu nedenle gerçekçi bir yerel maliyet modeli, sabit donanım maliyetinin yanı sıra verim kapasitesini de hesaba katmalıdır.

Resmi Bir Gemma 4 26B API’si Var mı?

Evet.

Google, Gemini API üzerinden Gemma 4 26B’ye erişim sağlar. Resmi model kimliği:

gemma-4-26b-a4b-it

Barındırılan uç nokta metin üretimi, görsel anlama, sistem talimatları, yapılandırılabilir düşünme, fonksiyon çağırma ve çok turlu sohbetleri destekler. Bu, ağırlıkları indirmeden veya bir çıkarım sunucusu işletmeden modeli değerlendirmenin en hızlı yoludur.

Google, en güncel uygulama örneklerini Gemma on the Gemini API dokümantasyonunda sağlar.

Gemma 4 26B’yi Python ile Çağırın

Google’ın Gen AI SDK’sını yükleyin:

pip install -U google-genai

Gemini API anahtarınızı ortamda ayarlayın ve bir istek gönderin:

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemma-4-26b-a4b-it",
    contents="Uzman-karışımı yönlendirmesini basitçe açıkla.",
)

print(response.text)

Bu örnek temel API erişimini doğrular. Üretim kotalarını, gecikmeyi, uzun bağlam performansını veya uygulamanız için veri işleme gereksinimlerini doğrulamaz.

Gemma 4 26B API’sinin Maliyeti Ne Kadar?

Google şu anda Gemini API ücretsiz katmanında Gemma 4 girişi, çıkışı ve bağlam önbelleğini ücretsiz olarak listeler. Şu an ücretli bir Gemma 4 katmanı listelenmemiştir.

Ücretsiz katman veri bildirimi: Google, ücretsiz katman üzerinden gönderilen içeriğin ürünlerini iyileştirmek için kullanılabileceğini belirtir. Geçerli veri kullanımı ve saklama koşullarını ekibiniz inceleyene kadar gizli, düzenlemeye tabi veya müşteriye ait verileri göndermeyin.

Fiyatlandırma notu: Ücretsiz katman erişimi kalıcı bir üretim fiyatlandırma taahhüdü olarak ele alınmamalıdır. Kullanılabilirlik, kotalar, veri koşulları ve ücretli katman seçenekleri değişebilir.

Bir üretim kararı vermeden önce resmi Gemini API fiyatlandırma sayfasını kontrol edin.

Mevcut fiyatlandırma alışılmadık bir karşılaştırma yaratır:

• Resmi API, ücretsiz katman limitleri içinde doğrudan token maliyeti içermeyebilir.
• Yerel çıkarım, sağlayıcı token faturası çıkarmaz ancak yine de donanım, elektrik, depolama, bakım ve mühendislik zamanı tüketir.
• Üçüncü taraf barındırılan sağlayıcılar farklı kapasite, fiyatlandırma, saklama politikaları ve ticari koşullar sunabilir.

Gemma 4 26B’nin kendisi için Google’ın resmi Gemini API üzerinde Gemma dokümantasyonunu kullanın ve Gemini API fiyatlandırma sayfasında mevcut limitleri doğrulayın.

CometAPI şu anda Gemma 4 26B’yi mevcut bir model olarak listelemiyor. Barındırılan Gemini alternatiflerini de değerlendirmek isteyen ekipler, Gemini 3.6 Flash, Gemini 3 Flash gibi şu anda listelenen modelleri ve CometAPI Google model kataloğundaki diğer seçenekleri inceleyebilir.

Yerel Gemma 4, API’den Daha Ucuz mu?

Mevcut fiyatlandırma altında, Gemma 4’ün ücretsiz katmanda sunulması nedeniyle resmi Gemini API doğrudan finansal terimlerle daha ucuz olabilir.

Ancak doğrudan token fiyatlandırması kararın yalnızca bir parçasıdır.

Örnek Yerel Donanım Maliyeti

Bir ekibin 1.200 $’lık bir Apple Silicon makine satın aldığını ve bunu 24 aya yaydığını varsayalım.

Aylık donanım amortismanı 1.200 $ ÷ 24 ay = ayda 50 $

Makine ayda dört milyon çıktı tokenı üretmeyi başarırsa:

1M çıktı token başına donanım amortismanı 50 $ ÷ 4 = 1M çıktı token başına 12.50 $

Aritmetik doğrudur ancak tam bir toplam maliyet tahmini değildir. Şunları dışarıda bırakır:

• Elektrik.
• SSD aşınması ve değişimi.
• Kurulum ve mühendislik zamanı.
• İzleme ve bakım.
• Başarısız üretimler ve yeniden denemeler.
• İnsan incelemesi.
• Yedek kapasite.
• Kesinti ve yedekleme.
• Makineyi çıkarım için kullanmanın fırsat maliyeti.

Ayrıca donanımın hedef token hacmini mevcut çalışma penceresinde üretebildiğini varsayar.

Kabul Edilen Görev Başına Maliyeti Karşılaştırın

Daha kullanışlı bir yerel maliyet formülü:

Kabul edilen görev başına yerel maliyet = donanım amortismanı

• elektrik
• depolama ve bakım
• mühendislik zamanı
• başarısız üretimler ve yeniden denemeler
• kabul edilen görevler başına insan incelemesi

Ücretli barındırılan bir hizmet için:

Kabul edilen görev başına barındırılan maliyet = giriş token ücretleri

• çıkış token ücretleri
• önbellek, araç veya istek ücretleri
• yeniden denemeler
• kabul edilen görevler başına insan incelemesi

En düşük ilan edilen token fiyatı her zaman en düşük uygulama maliyetini üretmez. Daha yavaş yanıtlar, geçersiz yapılandırılmış çıktı veya yüksek yeniden deneme oranına sahip bir yol, kabul edilen sonuç başına daha pahalı olabilir.

Yerel OpenAI Uyumlu Sunucu Üretimde Kullanılabilir mi?

TurboFieldfare, şu adreste dinleyen deneysel bir OpenAI uyumlu sunucu içerir:

http://127.0.0.1:8080/v1

Sohbet Tamamlamaları, akış, fonksiyon deklarasyonları ve istem-önek yeniden kullanımını destekler. Ancak proje, sunucunun uzak kimlik doğrulaması veya TLS sağlamadığından loopback arayüzünde kalması gerektiğini belirtir.

Varsayılan olarak yerel bir geliştirme uç noktası olarak ele alınmalıdır.

Üretim dağıtımı, şunları içeren ek bir sunum katmanı gerektirir:

• Kimlik doğrulama ve yetkilendirme.
• Ana makineyi terk eden trafik için TLS.
• İstek ve çıktı boyutu sınırları.
• Kuyruk ve eşzamanlılık kontrolleri.
• Süreç gözetimi ve otomatik yeniden başlatmalar.
• Model hazır olma kontrolleri.
• Bellek baskısı izleme.
• SSD ve uzman-önbellek metrikleri.
• Gecikme ve verim izleme.
• Gizlilik farkındalıklı günlükleme.
• Aşırı yükle başa çıkma.
• Yerel hata için geri dönüş yolu.

Yerel sunucu model tarafından oluşturulan araç çağrılarını döndürebilir; ancak uygulama her eylemi incelemeli, yetkilendirmeli ve yürütmelidir. Modelin araçları doğrudan yürütmesine izin verilmemelidir.

Gemma 4 26B için, Google’ın Gemini API’si resmi barındırılan yoldur. Uygulama başka barındırılan modeller de kullanıyorsa, CometAPI hızlı başlangıç, desteklenen modellerin OpenAI uyumlu bir arayüz üzerinden nasıl bağlanabileceğini gösterir. Bu, ayrı bir barındırılan geri dönüş sağlayabilir, ancak model canlı katalogda görünmedikçe Gemma 4 için CometAPI yolu olarak sunulmamalıdır.

Gemma 4 26B Dağıtım Kararı

API (barındırılan, Gemini API, diğerleri)

• Sağlayıcıya göre değişmekle birlikte yaklaşık 1M giriş token için 0.07 $ ve 1M çıkış token için 0.30–0.34 $ civarı fiyatlandırma.
• Sıfır donanım veya kurulum maliyeti, yüksek hız/verim, kolay ölçekleme, çok kipli ve tam özellikler mevcut.

• Sürekli token başına maliyet, verilerin makinenizi terk etmesi, kota/sınırlar, potansiyel gecikme değişkenliği.

Standart yerel

• Bir kerelik donanım + elektrik maliyeti; gizlilik ve çevrimdışı yetenek.
• Yeterli RAM/VRAM gerekir (genelde 18–32+ GB kullanılabilir) veya düşük hızlar/takaslar kabul edilir.

• Tam kontrol, kurulumdan sonra token ücretleri yok; ancak kantizasyon, sunum, güncellemeler ve donanımı siz yönetirsiniz.

TurboFieldfare tarzı yerel

• Aksi halde çalıştıramayacağınız makinelerde (8 GB Mac’ler dâhil) tam yetenekli 26B MoE’yi çalıştırır.
• Gizlilik/çevrimdışı + marjinal maliyet neredeyse sıfır; ancak iyi sağlanan bir GPU veya iyi bir API’den daha yavaştır, bugün sadece Mac, metin odaklı ve özel bir çalışma zamanı gerektirir.

Hibrit Yolu Şu Durumlarda Kullanın:

• Özel iş yükleri yerel kalmalı.
• Genel veya ani trafik barındırılan kapasite gerektiriyor.
• Uygulamanın geri dönüşe ihtiyacı var.
• Farklı görevler farklı modellerden fayda sağlıyor.
• Tutarlı bir API arayüzü üzerinden yolları karşılaştırmak istiyorsunuz.

Basit bir karar yolu:

İş yükünün çevrimdışı veya cihaz üstünde kalması şart mı?
├── Evet → Yerel Apple Silicon çalışma zamanını test edin
└── Hayır
    ├── Görsel girişi veya hızlı kurulum mu gerekiyor? → Gemini API ile başlayın
    ├── Ücretli kapasite veya SLA mı gerekiyor? → Barındırılan sağlayıcıları değerlendirin
    └── Gizlilik + ani kapasite mi gerekiyor? → Hibrit yol kullanın

Resmi API vs Yerel vs Üçüncü Taraf Barındırma

Üçüncü taraf bir yolu seçmeden önce, tam modelin gerçekten mevcut olduğunu doğrulayın; destek varsaymayın. Gemma 4 26B, başka bir sağlayıcı açıkça aynı model kimliğini listelemediği sürece Google’ın resmi Gemini API’si üzerinden erişilmelidir. Diğer barındırılan Gemini modelleri için CometAPI Google model kataloğu mevcut seçenekleri gösterir; CometAPI dokümantasyonu bu desteklenen modellerin OpenAI uyumlu bir uç nokta üzerinden nasıl çağrılacağını açıklar.

Uzun vadede en pratik tasarım bir hibrit dağıtım olabilir: özel veya çevrimdışı metin görevleri için yerel çıkarım, hızlı çok kipli değerlendirme için resmi uç nokta ve üretim kapasitesi veya geri dönüş için barındırılan bir yol.

Gemma 4 26B API vs Yerel Nasıl Değerlendirilir

Aynı iş yükünü her dağıtım yolundan geçirin.

Pratik bir değerlendirme seti şunları içerebilir:

1. On adet kodlama, çıkarım veya dönüştürme görevi.
2. Nesnel cevaplı beş akıl yürütme görevi.
3. Farklı bağlam uzunluklarında beş uzun bağlam görevi.
4. Görsel destekleyen yollar için beş görsel anlama görevi.
5. İstemci tarafı yetkilendirmeli beş fonksiyon çağırma görevi.
6. Sıkı JSON doğrulamalı beş yapılandırılmış çıktı görevi.

Kaydedin:

• İlk tokene kadar süre.
• Toplam tamamlama süresi.
• İstem ön doldurma süresi.
• Saniyede decode token.
• Tepe yerel bellek.
• Okunan SSD baytları.
• Kuyruk süresi.
• Eşzamanlılık davranışı.
• Bağlam uzunluğu.
• Yapılandırılmış çıktı geçerliliği.
• Araç çağrısı geçerliliği.
• Kabul edilen görev oranı.
• İnsan düzeltme süresi.
• Hata ve yeniden deneme oranı.
• Yerel işletim maliyeti.
• Barındırılan token ve istek ücretleri.

Aynı istem şablonlarını, çıktı limitlerini, sıcaklıkları ve kabul kurallarını kullanın.

Kısa bir yerel metin isteğini uzun bir barındırılan çok kipli istekle karşılaştırıp sonucu doğrudan model kıyaslaması olarak sunmayın.

SSS

Resmi bir Gemma 4 26B API’si var mı?

Evet. Google, gemma-4-26b-a4b-it model kimliğiyle Gemini API üzerinden Gemma 4 26B’yi sağlar. Metin üretimi, görsel girişi, sistem talimatları, yapılandırılabilir düşünme, fonksiyon çağırma ve çok turlu sohbetleri destekler.

Gemma 4 26B API’si ücretsiz mi?

Google şu anda Gemini API ücretsiz katmanında Gemma 4 girişi, çıkışı ve bağlam önbelleğini ücretsiz listeler. Şu an ücretli bir Gemma 4 katmanı listelenmemiştir. Ücretsiz katman içeriği Google ürünlerini iyileştirmede kullanılabilir, bu nedenle hassas bilgi göndermeden önce geçerli koşulları inceleyin.

Gemma 4 26B gerçekten 2 GB RAM’de çalışabilir mi?

TurboFieldfare, ağırlıklar ve 4K KV önbellek için yaklaşık 2 GB bildirir. Tam kurulum yine de 8 GB Apple Silicon Mac, yaklaşık 14.3 GB depolama ve SSD destekli uzman akışı gerektirir.

2 GB yapılandırması 256K bağlamı destekliyor mu?

Model 256K tokene kadar destekler, ancak yayınlanan 2 GB yerel sonuç 4K KV önbelleği kullanır. Daha uzun yerel bağlamlar ek bellek ve performans testleri gerektirir.

Yerel Gemma 4, barındırılan bir API’den daha ucuz mu?

Sahip olduğunuz donanımda sürdürülebilir metin iş yükleri için olabilir, ancak sonuç verim, kullanım, elektrik, bakım, yeniden denemeler ve çıktı kalitesine bağlıdır. Resmi API şu anda ücretsiz katman limiti içinde ücretsiz olduğundan, yerel dağıtım otomatik olarak en ucuz seçenek değildir.

Son Öneri

TurboFieldfare’in yaklaşık 2 GB’lık yapılandırması, tüm kantize modeli bellekte tutmak yerine KV önbelleğini sınırlayıp yönlendirilen uzmanları SSD’den akışla yükleyerek çalışan, Apple Silicon’a özel bir dağıtım tekniğidir; Gemma 4 26B için evrensel bir bellek gereksinimi değildir.

Çoğu kullanıcı için pratik seçenekler şunlardır:

1. Maliyet ve gizlilik uygunsa kolaylık ve hız için API’yi kullanın.
2. 24 GB+ bellek varsa standart yerel kantize sürümleri çalıştırın.
3. 26B MoE kalitesini kısıtlı Apple Silicon donanımında özellikle istiyorsanız TurboFieldfare (veya gelecekte benzeri motorlar) kullanın.

Üretim iş yükleri için her iki yolu da aynı istemler, bağlam uzunlukları, çıktı limitleri ve kabul kontrolleriyle karşılaştırın. Nihai karar, 2 GB başlığının kendisinden ziyade kalite, gecikme, gizlilik, ulaşılabilir verim ve kabul edilen görev başına toplam maliyete dayanmalıdır.