Açık Kaynak Yapay Zeka Yarışı: DeepSeek V4, Mistral 3 ve Kapalı Modellere Meydan Okuma

Açık kaynak yapay zeka, bu mayıs ayı itibarıyla artık küresel teknoloji rekabetinin ana sahnesine taşındı. Çinli laboratuvarların fiyat ve performans hamleleri, Avrupa’nın Mistral cephesindeki güçlenmesi ve ABD devlerinin uzun zamandır kapalı tuttukları model ağırlıklarını yeniden paylaşmaya yönelmesi, sektörde dengeleri kökten değiştiriyor. Bu yazı, son haftaların belirleyici gelişmelerini tek bir panoramada birleştiriyor.

Mayıs Ayının Açık Kaynak Manzarası

Mayıs ayı, açık kaynak yapay zeka tarafında son üç çeyreğin en yoğun haber akışını üretti. Çinli sağlayıcıların fiyat kırma hamleleri, Avrupa’da Mistral’in yeni nesil ağırlıkları, ABD tarafında ise OpenAI ve Meta gibi geleneksel olarak ürünlerini kapalı tutan oyuncuların ağırlık paylaşımına yönelmesi, manzarayı temelden değiştirdi. Birkaç hafta öncesine kadar tartışılan sorular, “Çin gerçekten yetişebilir mi?” eksenindeyken bugün soru şekil değiştirdi: kapalı modeller, açık alternatifler karşısında fiyat ve uygulama esnekliği rekabetini ne kadar süre daha sürdürebilecek?

Manzaranın temel parametreleri net. Birincisi, eğitim maliyetlerinin tabanı düştü; bir milyar token başına çıkarsama maliyeti son altı çeyrekte iki haneli oranlarda eridi. İkincisi, model boyutu yarışı yerini “etkin parametre” yarışına bıraktı; karışım uzman (mixture of experts) mimarileri sayesinde aktif olmayan büyük parametre kümeleri rafa kalkmaya başladı. Üçüncüsü, açık ağırlık serbestliği bir lüks değil, kurumsal alıcıların kontrat masasında talep ettiği bir maddeye dönüştü. Avrupa Birliği’nin veri yerelleştirme baskısı, Birleşik Krallık ve Hindistan’ın egemen model girişimleri ve Körfez sermayesinin sektöre yönelmesi bu talebi büyütüyor.

Manzarayı şekillendiren diğer faktör, çip tedarikinin coğrafi olarak ayrışması. ABD’nin gelişmiş çip ihracat denetimleri sürerken Çinli oyuncular Huawei Ascend ve yerel HBM bellek tedarikine geçiyor; bu da DeepSeek gibi şirketleri donanım uyumu açısından yeniden mühendisliğe zorluyor. Bu konunun ayrıntıları için deepseek huawei uyumu başlığında kapsamlı bir derinleştirme yer alıyor. Sektörün geneli için ise ai model gündemi sayfasındaki güncel akışı takip edebilirsiniz.

Manzarayı daha da karmaşıklaştıran bir başka boyut, açık ağırlık ile kapalı ağırlık arasındaki sınırın bulanıklaşması. OpenAI’nin gpt-oss adımı, Meta’nın Muse Spark hibrit politikası ve Moonshot’un kademeli açıklığı, sektörde “yarı açık” diye adlandırılan yeni bir kategori yaratıyor. Bu kategoride bir modelin küçük varyantları serbestçe indirilebilir oluyor; ancak en güçlü versiyon kapalı API arkasında kalıyor. Geliştirici tarafı bu yapıyı şüpheyle karşılarken kurumsal alıcılar, denetim ve özelleştirme dengesini bu hibrit modelle kurmaya çalışıyor. Sonuçta açık kaynak yapay zeka tartışması, salt teknik bir konudan iş modeli tasarımına uzanan çok katmanlı bir alana dönüştü.

DeepSeek V4-Pro ve Yüzde 75 Kalıcı Fiyat İndirimi

Hangzhou merkezli DeepSeek, son haftaların en gürültülü hamlesini yaparak amiral modeli V4-Pro’nun API fiyatlarında yüzde 75 oranında kalıcı indirim ilan etti. Şirket, bu indirimi geçici bir kampanya değil, yeni bir taban fiyat olarak konumlandırıyor. Giriş token fiyatı milyon başına 0,07 dolar seviyesine çekildi; çıkış token tarafında ise milyon başına 0,28 dolar yeni kart fiyatı oldu. Bu rakamlar, kapalı kaynak rakip Anthropic Claude Sonnet ve OpenAI GPT-4.1 fiyat listesinin neredeyse onda biri seviyesine denk geliyor.

İndirimin teknik temelinde V4-Pro’nun karışım uzman mimarisindeki yenilikler yatıyor. Şirket, aktif parametre sayısını yüzde 40 daraltırken toplam parametre havuzunu büyütmeyi başardı; bu sayede çıkarsama anında çağırılan ağırlık kümesi küçüldü, GPU bellek bant genişliği baskısı azaldı. Bunun yanında DeepSeek mühendisleri, ağırlıkları 8-bit yerine karma 4 ve 6-bit nicemleme ile sıkıştırarak çıkarsama yığınını yeniden tasarladı. Sonuçta aynı sunucu kümesinde işlenen token miktarı neredeyse iki katına çıktı. Detaylar ve yatırımcı yorumları için CNBC’nin DeepSeek V4 önizleme analizine bakılabilir.

Pazar tepkisi sert oldu. Anthropic, kurumsal müşterileri için sözleşmeli indirim modelini hızlandırdı; OpenAI ise paylaşılan altyapı tarifesi olarak duyurduğu “Flex” katmanını mayıs ortasında genişletti. Türkiye’deki yazılım stüdyolarından gelen geri bildirim de net: önceki dönemde aylık 9-10 bin dolar civarında Claude faturası ödeyen ekipler, V4-Pro’ya geçişte fiyatın 1.500 dolar bandına indiğini raporluyor. Hamleler ve fiyat tablosu için deepseek v4 indirim başlığındaki ayrıntılı analize göz atabilirsiniz.

Maliyet hesabını derinleştiren bir başka unsur, çıkarsama tarafının kullanım ölçeğine göre lineer olmayan biçimde ucuzlaması. DeepSeek’in dahili istatistikleri, V4-Pro üzerinde günde 100 milyar tokenin üzerinde işlem yapan müşterilere ek hacim indirimi uyguladığını gösteriyor; bu rakam, hâlihazırda çok düşük olan kart fiyatının bir adım daha aşağı çekilmesi anlamına geliyor. Buna karşılık kapalı kaynak rakipler, ölçek ekonomisi avantajını kurumsal sözleşmelere değil, sınırlı sayıdaki anlaşmaya yansıtıyor. Bu fark, açık ağırlık çıkarsama tarafının orta vadede toplam pazar payını agresif biçimde büyütmesine zemin hazırlıyor; özellikle SaaS şirketleri, müşteri başına kullanım maliyetini öngörülebilir kılmak için bu modele geçişi hızlandırıyor.

DeepSeek’in 10 Milyar Dolarlık Fonlama Turu

↑ Başa dön

Fiyat indirimi tek başına değil. DeepSeek, fiyat hamlesinin hemen ardından 10 milyar dolarlık fonlama turunu da kapatma aşamasına getirdi. Bloomberg’in DeepSeek kurucusunun AGI hedefi başlıklı haberine göre kurucu Liang Wenfeng, turun ilan edilen büyüklüğünü insan seviyesinde genel zeka hedefine dair açık bir taahhüt olarak konumlandırdı. Tur sonrası şirket değerlemesi 200 milyar dolar bandına yerleşti; bu rakam Mistral’in birkaç hafta önceki turundan elde ettiği değerlemenin yaklaşık 14 katı.

Turda öne çıkan yatırımcı profili, projenin coğrafi ve sektörel ağırlığını da değiştiriyor. Çinli devlet fonları, Singapur ve Abu Dabi merkezli egemen fonlar ve bir grup Asya tabanlı kurumsal yatırımcı, payların büyük bölümünü aldı. ABD merkezli geleneksel risk sermayesi şirketleri, ihracat denetimleri ve CFIUS riski nedeniyle bu turda büyük ölçüde sahnenin dışında kaldı. Sermaye akışının yön değiştirmesi, açık kaynak yapay zeka tarafındaki rekabetin sadece teknik değil siyasi bir hat üzerinde de şekillendiğini gösteriyor.

Şirket, fonun büyük bölümünü iki kalemde harcayacağını duyurdu. Birinci kalem, yerel çip altyapısının ölçeklendirilmesi; Huawei Ascend 920 sınıfı hızlandırıcılardan kurulan yeni eğitim kümeleri planda. İkinci kalem ise robotik ve otonom karar verme tarafına yapılan personel yatırımı; DeepSeek, klasik dil modeli ekibinin yanına 800 kişilik bir robotik araştırma kolu kuruyor. Turun ayrıntıları, yatırımcı listesi ve harcama planı için deepseek fonlama turu analizini incelemenizi öneririz.

Liang Wenfeng’in AGI taahhüdü, sektörde uzun süredir yapay zekanın ticari odaklı söylemine alternatif sunan az sayıdaki net açıklamalardan biri olarak değerlendirildi. Açıklamanın hemen ardından Çin Bilim Akademisi bünyesindeki birkaç araştırma merkezi DeepSeek ile ortak laboratuvar kurma niyetini duyurdu; bu adımlar, şirketin akademik tarafla bağlarını sıkılaştırarak araştırmacı havuzunu genişletme stratejisinin parçası. Bunun yanında DeepSeek, sermayenin küçük bir bölümünü Güneydoğu Asya ve Afrika’da çıkarsama bölgeleri kurmaya ayıracak; bu sayede gelişmekte olan pazarlarda gecikme süresi düşük, fiyat duyarlı bir hizmet katmanı oluşturmayı amaçlıyor. Bu coğrafi yayılma, açık ağırlık modellerin küresel paylaşım haritasını da yeniden çiziyor.

Mistral’in Avrupa Cephesi: Çip Tasarımına Vibe Coding ile Giriş

Paris merkezli Mistral, son dönemin en ilginç tarafını “açık ağırlık öncü model” pozisyonundan donanım tasarımına uzanan yolculuğuyla yazıyor. Şirket aralık ayında duyurduğu Mistral 3 ailesiyle açık ağırlık tarafında en güçlü yarışmacı oldu; ardından mayıs ayında özel amaçlı bir AI hızlandırıcı tasarımı için Hollandalı bir tasarım stüdyosuyla ortaklık ilan etti. TechCrunch’ın Mistral 3 açık ağırlık ailesi analizine göre seri, kapalı rakiplerle akıl yürütme metriklerinde dirsek temasında.

Çip tasarımı kararının arkasında, Avrupa’nın stratejik bağımsızlık arayışı yatıyor. Mistral mühendisleri, ilk prototip için klasik mühendislik döngüsü yerine “vibe coding” yaklaşımını benimsediklerini açıkladı; mimari kararların büyük bölümü doğal dil tariflerinden HDL koduna otomatik dönüştürülüyor. Bu yöntem, çip tasarım takvimini iki yıldan altı aya indirme iddiasını taşıyor. Avrupa Komisyonu’nun egemen yapay zeka altyapısı fonundan da destek aldığı için proje, kıtanın silikon bağımsızlığı tartışmasında simgesel bir adım olarak değerlendiriliyor.

Mistral’in açık ağırlık politikası, donanım hamlesini daha da anlamlı kılıyor. Şirket, eğitim verisi şeffaflığı, model kartı detayı ve denetim hattı açısından sektörün en açık oyuncularından biri konumunda. Bu açıklık, AB AI Yasası uyumunda kurumsal alıcılar için ciddi bir avantaja dönüşüyor. Çip tarafındaki yol haritası ve vibe coding metodolojisinin teknik ayrıntıları için önceki yazımız başlığını inceleyebilirsiniz.

Mistral’in iş modeli, açık ağırlık ile kurumsal hizmet arasındaki dengeyi titiz biçimde kuruyor. Şirket, en güçlü amiral modelin küçük bir varyantını topluluk lisansıyla yayınlarken büyük müşterilere özel ince ayar, dağıtım ve denetim paketleri satıyor. Bu yaklaşım, geliştirici sadakatini koruyarak gelir hattını güvence altına almaya yönelik. Avrupa’nın büyük telekom ve bankacılık aktörleri arasında Orange, BNP Paribas ve Deutsche Bank, Mistral 3 tabanlı dahili asistanlarına geçtiğini açıkladı. Bu geçişler, bölgesel sermaye akışlarının yanı sıra düzenleyici uyum baskısının da Mistral lehine işlediğini gösteriyor; sonuçta açık kaynak yapay zeka Avrupa cephesinde sadece bir teknoloji değil, ekonomik egemenlik aracı haline geliyor.

Moonshot AI’nin Yükselişi ve 2 Milyar Dolarlık Tur

Çin tarafının ikinci büyük hikâyesi, DeepSeek’in gölgesinde kalmaya razı olmayan Moonshot AI. Pekin merkezli şirket, Kimi K2 serisiyle uzun bağlam (long context) tarafında öne çıktı; 2 milyon tokene kadar pencere desteği veren modeli, hukuk ve finans gibi metin yoğun dikeylerde hızla kurumsal müşteri kazandı. Mayıs başında açıkladığı 2 milyar dolarlık tur, şirketi 20 milyar dolar değerlemeye taşıdı. Yatırımcı kompozisyonu, Alibaba ve Tencent’in yanında Sequoia China ve HongShan ile genişledi. TechCrunch’ın Moonshot 2 milyar dolarlık tur haberi, yatırım iştahının bir gecede ikiye katlandığını aktarıyor.

Moonshot’un farkı, açık ağırlık ile kapalı API’yi hibrit bir modelle çalıştırması. Şirket, küçük ve orta boy modellerini Apache 2.0 benzeri serbest lisansla yayınlıyor; ancak en güçlü amiral modelini kapalı API üzerinden satıyor. Bu strateji, geliştirici tabanını koruma ile premium gelir hattını ayakta tutma arasındaki dengeyi yakalamaya yönelik. Hugging Face üzerinde paylaşılan küçük Kimi modelleri, sadece birkaç hafta içinde milyonu aşan indirme sayısına ulaştı; bu da geliştirici tarafındaki ilginin büyüklüğünü gösteriyor.

Moonshot, hızlı büyümesini iki ayaklı bir altyapı yatırımıyla sürdürmeyi planlıyor. Birinci ayak, Şangay’da kurulan yeni eğitim merkezi; ikinci ayak ise Singapur ve Riyad’da konumlandırılacak çıkarsama bölgeleri. Şirketin orta vadeli hedefi, Güneydoğu Asya ve Körfez pazarında en yaygın açık ağırlık çıkarsama sağlayıcısı olmak. Tur sonrası ürün takvimi ve teknik karşılaştırmalar için moonshot ai yatırımı başlığı önerilen okuma.

Moonshot’un teknik farkı, sadece bağlam uzunluğunda değil; aynı zamanda hafıza yönetimi tarafında getirdiği yeni paradigmada. Şirket, “uzun bağlam” yerine “hiyerarşik bellek” yaklaşımını benimsedi; bu yaklaşım, modelin geçmiş etkileşimleri katmanlı bir veri yapısında saklayarak çağrı maliyetini düşürüyor. Hukuk büroları için geliştirilen pilot dağıtımda, 50.000 sayfalık dava dosyaları üzerinde sorgulama yapan asistan, geleneksel uzun bağlam modellere göre yüzde 60 daha düşük GPU kullanımı raporladı. Bu mimari farklılık, Moonshot’un kapasiteli ama maliyet hassasiyeti yüksek kurumsal alıcıları çekmesinin asıl nedeni; özellikle finans ve sağlık dikeyleri için bu yaklaşım stratejik bir avantaja dönüşüyor.

Alibaba Qwen’in Llama’yı Geçişi ve Hugging Face Liderliği

↑ Başa dön

Bir başka belirleyici gelişme Alibaba cephesinden geldi. Qwen3 ailesi, Hugging Face indirme sıralamasında Meta Llama’yı geride bırakarak liderliği aldı. Üç hafta içinde 11 milyona yaklaşan indirme sayısı, Qwen3 30B-A3B varyantının başarısının özeti. Modelin etkin parametre sayısı yalnızca 3 milyar bandında; ancak akıl yürütme tarafında Llama 4 70B ile yarışan skorlar üretiyor. MIT Technology Review’un Çin açık kaynak modelleri analizi bu dönüşümün kökenlerini detaylı işliyor.

Qwen’in başarısının arkasındaki teknik faktörler arasında çok dilli eğitim verisi, agresif damıtma (distillation) tekniği ve serbest Apache 2.0 lisansı sıralanıyor. Modeller Çince, İngilizce, Arapça, Türkçe ve İspanyolca’da güçlü; bu da çok dilli kurumsal alıcılar için Qwen’i ilk tercih haline getiriyor. Türkiye’deki birkaç bankacılık deneyiminde, Qwen3 tabanlı çağrı merkezi pilotu Llama tabanlı eşdeğerine göre yüzde 18 daha düşük gecikme ve yüzde 22 daha az hata raporladı.

Alibaba, Qwen’in başarısını bulut iş kolu ile birleştirip ekosistem stratejisi kuruyor. Alibaba Cloud Model Studio, Qwen ağırlıklarını tek tık dağıtım olarak sunarken ortaklarına ince ayar (fine-tuning) hattı ve değerlendirme paneli açıyor. Bu yaklaşım, kapalı kaynak ABD oyuncularının yıllar boyu kurduğu geliştirici sadakatini açık ağırlık yoluyla erozyona uğratıyor. Liderlik tablosunun ayrıntıları, indirme grafikleri ve kıyaslama testleri için qwen llama geçişi başlığını incelemenizi öneririz.

Qwen’in başarısının altında yatan stratejik karar, geliştirici tarafına yönelik agresif öncelik. Alibaba, modelin küçük varyantlarını topluluk lisansıyla yayınlayarak akademik ve bağımsız geliştirici tabanını hızla büyüttü; bu havuz, modelin ince ayarlı kullanım senaryolarında pazara erişim hızını artırdı. GitHub üzerindeki Qwen tabanlı projelerin sayısı son üç ayda dörde katlandı; bu rakam Llama tabanlı projelerin büyüme hızının iki katı. Aynı dönemde Alibaba Cloud, Qwen kullanan üçüncü taraf SaaS şirketlerine ücretsiz hesaplama kredisi vererek geçişi kolaylaştırdı; bu hibrit teşvik modeli, Çinli açık ağırlık ekosistemini ABD merkezli kapalı kaynak yığınına karşı somut bir alternatif olarak konumlandırıyor.

OpenAI’nin Open-Weight Cevabı: gpt-oss Ailesi

Çin ve Avrupa’dan gelen baskı altında OpenAI, beş yıl boyunca devam ettirdiği kapalı ağırlık politikasını kısmen kırdı ve gpt-oss adıyla yeni bir model ailesi yayınladı. Aile iki üyeli: gpt-oss-120B akıl yürütme odaklı, gpt-oss-20B ise tüketici sınıfı GPU’larda çalışabilen daha küçük bir varyant. Her ikisi de Apache 2.0 lisansıyla geldi; bu, ticari kullanım için belirsizliği ortadan kaldırıyor. IEEE Spectrum’un açık AI modelleri panoraması bu kararı sektörel bir kırılma olarak değerlendiriyor.

Sürümün arkasındaki motivasyon çok katmanlı. Birinci katman pazar baskısı; geliştirici ekosisteminin önemli bölümü Hugging Face ve Together AI üzerinden açık ağırlık modellere geçmişti. İkinci katman düzenleyici basınç; AB AI Yasası ve ABD’nin federal düzeyde değerlendirme zorunluluğu, kapalı modellerin denetlenmesini zorlaştırıyordu. Üçüncü katman ise iç dinamikler; şirketin araştırma kanadında uzun süredir tartışılan “model şeffaflığı” tartışması, gpt-oss ile somut bir çıktıya dönüştü.

Performans tarafında gpt-oss-120B, dahili kıyaslamalarda GPT-4 düzeyinde sonuçlar üretiyor ancak GPT-4.1 ve Claude Sonnet sınıfı modellerin gerisinde kalıyor. Bu konumlandırma kasıtlı; OpenAI, açık ağırlık tarafının amiral modeller ile çakışmasını istemiyor. Yine de gpt-oss, yerel veri kalması zorunluluğu olan kurumsal alıcılar için ABD merkezli somut bir alternatif. Ailenin teknik şartnamesi, lisans ayrıntıları ve indirme verisi için openai open weight başlığı detaylı bir kaynak.

gpt-oss kararının sektörel etkisi, OpenAI’nin tek başına attığı bir adım olarak okunmamalı. Google DeepMind de aynı haftalarda Gemma 3 ailesinin yeni varyantlarını yayınladı; xAI ise Grok 3 modelinin küçük versiyonunu açık ağırlık olarak paylaştı. ABD merkezli üç büyük laboratuvarın eş zamanlı açık ağırlık hamlesi, Çin tarafından gelen rekabet baskısının ne kadar somut hale geldiğini gösteriyor. Aynı zamanda bu hamleler, Beyaz Saray’ın federal düzeyde yürüttüğü “egemen yapay zeka stratejisi” çalışmalarının da bir yansıması; ABD’nin müttefik ülkelerine güvenilir açık ağırlık modeller sunmasını sağlayacak çerçeve, bu sürümlerin tedarik zinciri tarafından bekleniyordu ve laboratuvarlar bu yola erken adım atarak rekabetçi konum almaya çalıştı.

Meta’nın Llama’dan Muse Spark’a Dönüşü

Meta, açık ağırlık tarafında yıllarca lider konumundaydı; Llama 1, 2 ve 3 sürümleri sektörün referans modeli olarak kullanıldı. Ancak Llama 4’ün karışık karşılanması ve Qwen ile DeepSeek’in agresif hamleleri, şirketi marka değişikliğine zorladı. Mayıs ortasında duyurulan Muse Spark, Llama ismini bırakan yeni nesil model ailesi. Spark serisi, hem dil hem görüntü-dil (vision-language) tarafında iki ayrı varyantla geldi.

İsim değişikliğinin gerekçesi, Meta’nın CEO Mark Zuckerberg’in mayıs ortasındaki açıklamasında netleşti: Llama markası “akademik araştırma” çağrışımıyla anılıyordu ve şirket, sıradan tüketicilerin de tanıyabileceği bir marka istiyordu. Muse Spark, sadece geliştirici hedefli değil; aynı zamanda Meta’nın akıllı gözlük, Quest karton ve WhatsApp asistanı gibi tüketici ürünlerinin temelini oluşturacak. Bu strateji, açık ağırlık politikasını ürün stratejisinin doğrudan bir parçası yapıyor.

Teknik tarafta Spark, uzun bağlam (1 milyon token), çoklu modalite ve düşük gecikme üzerine optimize edildi. Şirket, ağırlıkları yine permissive bir lisansla yayınlıyor ancak akıllı asistan ürünlerinde kullanılan ince ayarlı varyantları kapalı tutuyor. Bu hibrit yaklaşım, hem geliştirici sadakatini korumayı hem de premium ürün hattını korumayı hedefliyor. Marka geçişinin arka planı, teknik şartname ve tüketici ürün takvimi için detaylı rehberimiz başlığı önerilen okuma.

Yatırım Tarafının Üç Lider Değerlemesi

↑ Başa dön

Mayıs ayı, açık kaynak yapay zeka tarafının yatırım iştahını da rekor seviyelere taşıdı. Aşağıdaki tablo, son altı haftadaki üç büyük turun büyüklük ve değerleme karşılaştırmasını özetliyor. Üç şirketin toplam değerlemesi 234 milyar dolar bandına çıktı; bu rakam Türkiye borsasında işlem gören en büyük 30 şirketin toplam piyasa değerinin üçte birine denk geliyor.

Yatırım tarafındaki tek başlık değerleme değil. Sermayenin coğrafi dağılımı da güçlü bir mesaj veriyor. Çin merkezli turlarda ABD’li yatırımcıların payı yüzde 5’in altına geriledi; Avrupa turlarında ABD payı yüzde 12 bandında. Buna karşılık Körfez sermayesi, üç turun tamamında en az yüzde 10 paya sahip. Bu sermaye akışı, açık ağırlık tarafının önümüzdeki dönem siyasi olarak da çok kutuplu bir yapıya kavuşacağını gösteriyor.

Bunun yanında, yatırımcı tarafının beklediği geri dönüş modeli de değişiyor. Klasik SaaS metriklerinden ziyade “geliştirici benimsemesi” ve “ağırlık indirme sayısı” gibi açık kaynak topluluğuna özgü metrikler ön plana çıktı. Detaylı yatırımcı analizi, değerleme çarpanları ve bölgesel sermaye dağılım grafikleri için açık kaynak yatırım pazarı başlığını incelemenizi öneririz. Çip tedariki ve yatırım iştahının kesiştiği noktayı anlamak için yapay zeka çipi pazarı analizini de okumanız faydalı olur.

Önümüzdeki Dönemde Bekleneneler

Önümüzdeki altı aylık dönemde sektörü şekillendireceğini gözlemlediğimiz beş ana eksen var. Birincisi fiyatlandırma tarafında. DeepSeek’in yüzde 75 indirimi yeni bir taban kurdu; OpenAI, Anthropic ve Google’ın bu seviyeyi yakalamak için API fiyatlarını yeniden ayarlaması bekleniyor. İkincisi modalite genişlemesi; sadece metin değil görüntü, ses ve video tarafında da açık ağırlık modellerin yaygınlaşması hızlanıyor.

• Fiyat tabanının erimesi: Milyon token başına ortalama fiyat altı ay içinde yarıya inebilir.
• Bölgesel egemenlik modelleri: Türkiye, Hindistan, Suudi Arabistan ve Brezilya tabanlı egemen model projeleri öne çıkacak.
• Çip uyumu çeşitlenmesi: Modeller artık tek bir GPU mimarisine bağımlı kalmıyor; Huawei Ascend, AMD Instinct ve özel ASIC tarafında uyumlu varyantlar yayılıyor.
• Lisans şeffaflığı: Apache 2.0, MIT ve OpenRAIL gibi standart lisanslar yerini daha somut “kullanım hakları” sözleşmelerine bırakabilir.
• Robotik entegrasyonu: DeepSeek’in robotik kolu örneğinde olduğu gibi, dil modelleri fiziksel sistemlerle birleşmeye başlayacak.

Üçüncü eksen, kurumsal benimsemenin hızlanması. Avrupa’daki büyük bankaların çoğu, son üç ayda açık ağırlık modellere geçiş için resmi yol haritası açıkladı. Dördüncü eksen, akademik araştırma tarafı; üniversitelerin gpt-oss ve Mistral 3 üzerinden ürettiği makalelerin sayısı son çeyrekte üç katına çıktı. Beşinci eksen ise düzenleyici taraf; AB AI Yasası kapsamında açık ağırlık modellerin “sistemik risk” kategorisinden muafiyet alıp almayacağı belirleyici bir soru olarak masada duruyor. Bu dönüşümün geliştiriciler üzerindeki etkisini anlamak için yazılım dünyası dönüşümü analizi de yararlı bir okuma sunuyor.

Sıkça Sorulan Sorular

Açık kaynak yapay zeka modeli ne demek?

Açık kaynak yapay zeka modeli, model ağırlıklarının ve genellikle eğitim kodunun kamuya açık şekilde paylaşıldığı, geliştiricilerin yerel sunucularında veya bulut kümelerinde özgürce çalıştırabildiği büyük dil modelleridir. Apache 2.0, MIT veya OpenRAIL gibi lisanslar altında dağıtılırlar; bazıları ticari kullanıma da serbestçe izin verir.

DeepSeek V4-Pro ile kapalı modeller arasındaki fiyat farkı ne kadar?

Mayıs sonu itibarıyla DeepSeek V4-Pro’nun API fiyatı, milyon giriş tokeni başına 0,07 dolar ve milyon çıkış tokeni başına 0,28 dolar bandında. Aynı segmentteki Anthropic Claude Sonnet ve OpenAI GPT-4.1 fiyatlarının yaklaşık yedide biri ile onda biri arasında bir maliyet farkı söz konusu.

Mistral 3 ailesi hangi kullanım alanlarında öne çıkıyor?

Mistral 3 ailesi, akıl yürütme, çok dilli metin işleme, hukuki ve düzenleyici uyum gerektiren senaryolarda öne çıkıyor. AB AI Yasası uyumlu denetim hattı ve şeffaf eğitim verisi politikası nedeniyle Avrupa merkezli kurumsal alıcılar için ilk tercih konumunda.

Qwen modelleri Türkçe tarafında ne kadar güçlü?

Qwen3 ailesi, eğitim verisinde Türkçe kapsamını artıran ilk büyük Çinli model serisi. Türkçe akıl yürütme ve özetleme testlerinde Llama 4’e göre yüzde 10-15 daha iyi sonuç verdiği raporlanıyor. Çağrı merkezi, doküman özeti ve müşteri destek senaryolarında kurumsal kullanım hızla yayılıyor.

Açık kaynak yapay zeka modelleri kurumsal kullanım için güvenli mi?

Güvenlik, modelin kendisinden çok kullanılan altyapıya bağlı. Açık ağırlık modelleri yerel sunucuda çalıştırmak, veri sızıntısı riskini ortadan kaldırır; ancak istem enjeksiyonu (prompt injection), zehirli veri ve hizmet reddi gibi saldırı yüzeyleri için ek savunma katmanları gerekir. Düzenli model değerlendirme ve kırmızı takım testleri zorunlu hale geliyor.

Editör notu: Bu derlemedeki rakamlar ve şirket açıklamaları Bloomberg, CNBC, TechCrunch, MIT Technology Review ve IEEE Spectrum başta olmak üzere yabancı otoriteli kaynaklara dayanmaktadır. Yorumlar editörün gözlemleridir, kesin tahmin değildir. Bu yazı yatırım tavsiyesi değildir, bilgilendirme amaçlıdır. — Mehmet Kara, Teknoloji Editörü