En iyi model değil, yeterince iyi model: Açık yapay zekâ modelleri

Yönetim Danışmanı BARIŞ SAZAK

Büyük teknolojik atılımların ticarileşme süreçleri genellikle güçlü bir rakibin temsil ettiği kavramsal değerlere de ihtiyaç duyuyor. Thomas Edison, 1880’lerin “akım savaşında”, temsilcisi olduğu doğru akım (DC) sistemini korumak için Westinghouse ve Tesla’nın alternatif akımını (AC) ölümcül derecede tehlikeli gösterecek kadar ileri gitmişti. Ev video pazarında rekabet eden VHS, 1970’lerin sonunda Betamax’a karşı teknolojik üstünlüğün yanı sıra, JVC’nin lisans modelini geniş bir dağıtım ağıyla destekleyerek, cihazların ucuzlaması ve etrafında kendini besleyen bir ekosistem oluşturması sayesinde öne çıktı ve neredeyse tekelleşti. Apple’ın yaklaşmakta olan uygulama furyasını öngörerek en elverişli donanım dokunmatik ekran ile başta Nokia ve BlackBerry olmak üzere tüm tuş takımlı rakiplerini tarih sahnesinden silişine, bu yazıyı okuyanlar bizzat şahit oldu.

Bugünkü açık ve kapalı yapay zekâ modelleri arasındaki rekabeti tam da bu çerçevede ele alabiliriz. Hiç şüphe yok ki arada bir kapasite farkı var ancak açık modellerin her testte en iyi performansı göstermesi gerekmiyor. Her iş o kadar da komplike olmayabilir. Yeterince iyi, ucuz ve erişilebilir olmaları yeterli olabiliyor. Bu açık modellerin en güçlü kası.

Çin menşeli “DeepSeek R1” modeli, Ocak 2025’te eski nesil çiplerle ve rakiplerine kıyasla çok daha düşük maliyetle eğitilmiş “yeterince iyi” bir modelin mümkün olduğunu gösterdiğinde, Nvidia bir günde 600 milyar dolar piyasa değeri kaybetmişti. “Kimi K3” ise geçtiğimiz Temmuz ayında aynı soruyu daha net biçimde yeniden gündeme getirdi. Artificial Analysis endeksinde Anthropic ve OpenAI’ın amiral gemisi modellerinin hemen ardından üçüncü sıraya yerleşen modelin API fiyatı, benzer kapasitedeki rakip modellerin yaklaşık üçte biri düzeyinde.

Açık, yarı açık, kapalı

Tartışmanın önemli ölçüde bir kavram karmaşası üzerinden yürüdüğünü de not etmek lazım. Anthropic’in Claude’u gibi kapalı modellerde geliştirici model ağırlıklarını, eğitim yöntemini ve fiyatlandırmayı kontrol edebiliyor. Bunlar erişim koşullarını değiştirebilirken, hizmeti de tamamen sonlandırabiliyor. Açık ağırlıklı modellerde ise modelin davranışını belirleyen milyarlarca parametre indirilebilir.

Kullanıcı modeli kendi sunucusunda çalıştırabilir, kendi sektörüne ve diline göre ince ayar yapabilir. Ancak eğitim verileri ve modelin geliştirilmesinde kullanılan kod çoğu zaman paylaşılmıyor. Kamuoyunda “açık kaynak” olarak anılan DeepSeek, Meta’nın Llama’sı ve Fransız Mistral’in modellerinin çoğu aslında bu ikinci kategoriye girmekte. Linux örneğindeki gibi gerçek anlamda açık kaynak sistemler ise hâlâ istisna.

Bu ayrım, kullanıcı açısından bir kontrol ve sorumluluk dengesine dönüşüyor. Açık model, token başına API ücretinden kurtulmayı ve veriyi kurum dışına çıkarmadan yerel sunucuda, hatta telefon veya otomobil gibi cihazlarda çalıştırmayı mümkün kılmakta. Model bir kez indirildiğinde erişimin tek bir sağlayıcı tarafından askıya alınması da mümkün değil. İndirilebilir olmak bedava olmak anlamına gelmiyor. Hesaplama gücü, elektrik, mühendislik, siber güvenlik ve bakım yükü bu kez kullanıcının omuzlarına biniyor.

Açık modellerin piyasaları sarsmasının asıl nedeni yalnızca daha ucuz olmaları değil. Bu modeller yapay zekâ şirketlerinin bugünkü değerlemelerindeki bazı temel varsayımları da sorgulatmaktalar. Yetenekli modeller kopyalanabiliyor ve onlarca sağlayıcı tarafından barındırılabiliyorsa, model benzersiz bir ürün olmaktan çıkıp emtialaşmış bir altyapıya dönüşüyor.

İşin maliyet kısmında yapay zekâ ajanlarının kullanımı hızla artarken, önde gelen sağlayıcılar sabit ücretlerden token başına fiyatlamaya yöneliyor. Maliyet duyarlılığı yüksek şirketler açısından “yeterince iyi” açık modeller bu nedenle gittikçe daha cazip hale geliyor. Yatırım boyutu da kritik. Benzer performans daha düşük eğitim ve çalıştırma maliyetiyle elde edilebiliyorsa, çip, enerji ve veri merkezi harcamalarındaki yüzde 70’lik artışın nasıl gerekçelendirileceği yeni bir soru olarak ortaya çıkıyor.

İşin küresel rekabet stratejisi boyutu da önemli. OpenRouter platformunda işlenen token hacminde Çin modelleri bu yıl ABD modellerini geride bıraktı. Peki bir şirket neden milyarlarca dolar harcadığı modeli ücretsiz dağıtır? Buradaki strateji, tamamlayıcı ürünü emtialaştırma mantığıyla açıklanıyor. Model ücretsiz veriliyor, rakibin kâr havuzu daraltılıyor. Gelir; hosting, kurumsal destek ve bulut hizmetlerinden elde ediliyor.

Buna bir de jeopolitik boyut ekleniyor. Deutsche Bank’ın değerlendirmesine göre açık modeller, bir ülkenin teknik standartlarını, yazılım ekosistemini ve kültürel kodlarını uluslararası alana yaymasının araçlarından biri haline geldi. Bu nedenle Pekin açık modelleri hem ABD merkezli API’lere bağımlılığı azaltmanın hem de gelişmekte olan piyasalarda “tercih edilen sağlayıcı” konumunu güçlendirmenin bir aracı olarak görüyor. Paris, Mistral’i Avrupa alternatifi olarak öne çıkarırken, OpenAI da geçen yıl kendi açık ağırlıklı gpt-oss modellerini yayımladı.

Yani yapay zekâ rekabeti artık yalnızca “en iyi modeli kim yaptı?” sorusundan ibaret değil.

Trend takipçileri ve Türkiye

Gelişmekte olan ülkeler açısından bu rekabetin anlamı, Batı’daki borsa tartışmalarından oldukça farklı. The Wire China’nın Haziran ayındaki analizine göre, Hugging Face platformundaki model indirmelerinde ABD’nin payı dört yılda yüzde 60’tan yüzde 16’ya geriledi. Güneydoğu Asya’da Alibaba, Huawei ve Tencent altı bölgede 37 bulut erişilebilirlik bölgesi işletirken, Google, AWS ve Microsoft’un toplamı dört bölgede 30’da kaldı.

Malezya, 2025’te egemen yapay zekâ ekosistemini DeepSeek üzerine kurarken, Singapur hükümeti bölgesel dil modeli için Qwen’i seçti. Temmuz ayında kurulan Dünya Yapay Zekâ İşbirliği Örgütü’nün kurucu imzacıları arasında Çin önderliğinde Rusya, Pakistan, Kazakistan ve Endonezya gibi ülkeler yer alıyor. Çin Devlet Başkanı Şi Cinping, gelişmekte olan ülkelere 5 bin kişilik bir eğitim kontenjanı ayırdığını duyurdu.

Dolar bazlı token faturası, zayıf yerel para birimleriyle birleştiğinde kapalı modeller gelişmekte olan ülkeler için yapısal olarak pahalı hale geliyor. Açık modeller ise hem maliyet hem de veri egemenliği açısından alternatif bir yol sunuyor. Ancak burada önemli bir paradoks var. Kendi temel modelini sıfırdan eğitecek sermaye, çip ve yetenek birikimine sahip olmayan bir ülke, açık bir model üzerine inşa ettiği “egemen” yapıyla bağımlılığı ortadan kaldırmıyor. Yalnızca bağımlılığın adresini değiştiriyor. Model ağırlıkları indirilebilir olabilir. Ancak güncellemeler, güvenlik yamaları, ince ayar araçları ve etrafındaki geliştirici topluluğu başka bir ülkede şekilleniyor.

Denklemin bir diğer bilinmeyeni ise düzenlemeler. Anthropic’in yaz başında yayımladığı öneri belgesi, sınır modelleri geliştiren şirketlere risklerini test etme ve sorunları düzenli bildirme yükümlülüğü getirilmesini öneriyor. Eleştirmenler ise ağır düzenlemenin yalnızca büyük mali kaynaklara sahip kurumları koruyacağını savunuyor. Beyaz Saray yapay zekâ eski sorumlusu David Sacks da Çin modellerinin sorunsuz yaptığı işlerde Amerikan modellerini sınırlamak için gerekçe olmadığını ifade etmişti.

Gelişmekte olan ülkeler bu tartışmanın doğrudan tarafı değil. Ancak sonuçlarının doğrudan muhatabı. Türkiye bu tabloya, 13 Haziran’da açıklanan ve 18 Ağustos’ta Cumhurbaşkanlığı Genelgesi ile Resmî Gazete’de yayımlanan 2026-2030 Yapay Zekâ Eylem Planı ile dahil oldu. “Fark Et, İstifade Et, Üret ve Yönet” ilkeleri etrafında kurgulanan plan kapsamında çeşitli altyapı yatırımları hedeflenmiş. Yazının konusu olan model tarafında ise TÜBİTAK’ın 37 milyar parametreli Türkçe dil modeli Bilge’si ile HAVELSAN’ın MAIN platformu üzerindeki 9 milyar parametreli modeli öne çıkıyor. TÜBİTAK ayrıca bu modellerin sektörlere uyarlanması için 10 stratejik projeyi destekliyor.

Ancak ekosistemin bugünkü haline bakıldığında, küresel paradoksun Türkiye’deki izdüşümü de net biçimde görülüyor. Örneğin Yıldız Teknik Üniversitesi’nin öne çıkan Türkçe açık modelleri Google’ın Gemma’sı ve Meta’nın Llama’sı üzerine inşa edilmiş durumda. Yani “yerli” katman, yabancı bir temel modelin üzerinde yükseliyor.

Talep tarafı da henüz sınırlı. Önceki yazımızda ele aldığımız token ekonomisi burada da belirleyici. Döviz cinsinden fiyatlanan kapalı model faturaları, TL’deki değer kaybıyla birleştiğinde Türk şirketleri açısından açık modelleri yalnızca bir teknoloji tercihi olmaktan çıkarıp maliyet yönetimi açısından da önemli bir alternatif haline getiriyor.

Türkiye’nin avantajı ise iki kutup arasında sıkışmak zorunda olmaması. Plan, İstanbul’u uluslararası bir yapay zekâ merkezi olarak konumlandırıyor ve TİKA üzerinden Türk devletleriyle ortak girişimler öngörüyor. Orta Koridor’daki lojistik rolün dijital bir karşılığının oluşturulması da mümkün. Ancak bunun için Bilge’nin daha geniş biçimde geliştiricilere açılması, kamu alımlarında açık modellere alan tanınması ve Türkçe veri setlerinin küresel standartlarda paylaşılması gerekiyor.