Bu neden önemli?
Kapalı modellerle açık modeller arasındaki fark kapanıyor. Bu da fiyatları, gizliliği ve yapay zekâyı kimin kontrol ettiğini doğrudan etkiliyor.
Ağırlık ne demek?
Bir yapay zekâ modeli eğitildiğinde ortaya milyarlarca sayıdan oluşan dev bir dosya çıkar. Bu sayılara ağırlık (weights) denir. Modelin “bildiği” her şey bu sayıların içindedir.
Açık ağırlıklı model, bu dosyayı herkesin indirebildiği model demek. İndirir, kendi bilgisayarında ya da kiraladığın sunucuda çalıştırırsın. Sorduğun sorular başka bir şirkete gitmez.
Açık ağırlık ≠ açık kaynak
Açık kaynak yazılımda kaynak kodu görebilir, değiştirebilir ve nasıl çalıştığını anlayabilirsin. Açık ağırlıkta durum farklı:
- Sadece sonucu, yani sayıları görürsün.
- Modelin hangi verilerle, nasıl eğitildiğini bu sayılara bakarak anlayamazsın.
- Her modelin kendi lisansı var. Bazıları ticari kullanıma izin verir, bazıları sınırlar. Kullanmadan önce lisansı okumak gerekir.
Bir yemeğin tarifi değil de sadece kendisi verilmiş gibi düşün. Yiyebilir, üstüne sos ekleyebilirsin. Ama nasıl pişirildiğini bilemezsin.
Bu ayın iki önemli modeli
Kimi K3 (Moonshot AI, Çin)
- 2,8 trilyon parametre. Şirkete göre bu boyuttaki ilk açık model.
- 1 milyon token’lık bağlam penceresi. Yani çok uzun belgeleri tek seferde okuyabiliyor. Görselleri de anlıyor.
- Şirket, modelin hâlâ en güçlü kapalı modellerin (Claude Fable 5 ve GPT 5.6 Sol) gerisinde olduğunu kendisi söylüyor. Ama aradaki fark eskisinden çok daha küçük.
- Ağırlıkları Hugging Face’te, şirketin kendi lisansıyla yayınlandı.
Inkling (Thinking Machines Lab, ABD)
- OpenAI’ın eski teknoloji direktörü Mira Murati’nin kurduğu şirketin ilk açık modeli.
- 975 milyar parametre. Sıfırdan eğitildi.
- Apache 2.0 lisansıyla yayınlandı. Bu lisans, ticari kullanıma da izin veren serbest bir lisans.
- Şirket, bunun en güçlü model olmadığını açıkça söylüyor. Hedef, üzerine ince ayar (fine-tuning) yapılacak iyi bir temel model olmak.
Neden evde çalıştıramıyorsun?
“Açık” demek “laptopunda çalışır” demek değil. Bu modellerin dosyaları yüzlerce gigabayt, hatta terabaytlarca yer tutuyor. Çalıştırmak için çok sayıda güçlü ekran kartı (GPU) gerekiyor.
Burada işe yarayan bir fikir var: Uzmanlar karışımı (Mixture of Experts, MoE). Model, içinde çok sayıda küçük “uzman” barındırıyor ama her soruda sadece birkaçını çalıştırıyor. Kimi K3 her seferinde 896 uzmandan sadece 16’sını kullanıyor. Inkling’in 975 milyar parametresinin her adımda sadece 41 milyarı çalışıyor. Bu, modeli çok daha verimli yapıyor. Ama yine de ev bilgisayarına sığmıyor.
Asıl kazanç şu: Ağırlıklar açık olunca farklı bulut şirketleri bu modelleri sunabiliyor. Rekabet artıyor, fiyatlar düşüyor. Syntax’ta da K3’ün, benzer kapalı modellere göre çok daha ucuza kullanılabildiği konuşuldu.
Damıtma tartışması
Bölümde bir tartışmalı konuya da değinildi: Damıtma (distillation). Bir modeli, başka bir modelin cevaplarıyla eğitmek demek. Büyük modele binlerce soru sorarsın, cevaplarını toplarsın ve kendi modelini bu cevaplarla eğitirsin.
Anthropic, Şubat 2026’da bazı Çinli yapay zekâ şirketlerini, Claude’u bu şekilde izinsiz kullanmakla suçladı. Syntax’ta Wes Bos da madalyonun öbür yüzünü hatırlattı: Büyük şirketler de modellerini internetteki herkesin yazdıklarıyla eğitti.
Düşün
- Bir şirketin, verilerini dışarı göndermeden kendi sunucusunda model çalıştırmak istemesi için hangi sebepleri olabilir?
- Bir model “açık” ama nasıl eğitildiği bilinmiyorsa, ona ne kadar güvenebilirsin?