Yapay zeka modellerinin "açıklığı" artık bir tanım sorunu
Bir yapay zeka modeli ne zaman gerçekten açık kaynak sayılır? Meta'nın LLaMa modelini 24 Şubat 2023'te yayınlaması bu soruyu yeniden gündeme taşıdı: model ağırlıkları ve çıkarım kodu halka açık olmasına rağmen, lisans ticari yeniden kullanımı yasaklıyordu. Open Source Initiative'e göre bu durum modeli tam anlamıyla açık kaynak yapmıyordu, ancak Meta ve birçok geliştirici aksini düşünüyordu.
Sektör şu anda üç farklı terim etrafında bölünmüş durumda: kapalı kaynak (OpenAI'ın ChatGPT'si gibi tamamen tescilli sistemler), açık ağırlık (LLaMa, DeepSeek ve Alibaba Qwen gibi ağırlıkları paylaşılan ama sınırlı lisanslı modeller) ve açık kaynak (Open Source Initiative'in tanımına göre kaynak kodu, ağırlıklar ve ideal olarak eğitim verisini içeren modeller).
1980-90'larda özgür yazılım hareketinin tanımladığı dört temel özgürlük şuydu: yazılımı çalıştırma, inceleme ve değiştirme, orijinal kopyalarını dağıtma, değiştirilmiş sürümlerini dağıtma. Bu prensipler yazılım için netti. Fakat yapay zeka için aynı netlik yok. Model ağırlıklarının 50–100 GB'lık boyutları, eğitim verisinin telif hakkı belirsizlikleri ve lisans terimleri arasındaki gri alanlar tanımları parçaladı.
Protikte DeepSeek ve Qwen gibi açık ağırlık modelleri LLaMa'dan daha az kısıtlayıcı lisans terimleriyle yayınlanınca geliştiriciler tarafından hızla benimsendi. Bu, lisansın teknik açıklıktan daha önemli olabileceğini gösteriyor.
Performans yakınsaması ama gelir ayrışması: pazar gerçeği farklı
Mozilla'nın raporuna göre en iyi açık ve kapalı modeller arasında Chatbot Arena kıyaslamasında fark yalnızca %3,3. Ağustos 2024'te %0,5 olan bu açık, 2026 ortalarına gelindiğinde daraldı. Genel bilgi, kod yazma ve temel görevlerde açık modeller artık OpenAI, Anthropic ve Google'ın kapalı sistemleriyle rekabet edebiliyor.
Ancak bu yakınsama yanıltıcı olabilir. Gelişmiş akıl yürütme, uzun bağlam alma ve otonom görevlerde açık modeller hâlâ geride. Mozilla verilerine göre geliştiricilerin %79'u uygulama geliştirirken açık modelleri kullanıyor ama açık modelleri üretime taşıyan oran yalnızca %51. Kapalı modellerde bu oran %63.
Daha dikkat çekici olan ekonomik ayrışma: açık modeller gerçek dünya AI kullanımının yaklaşık üçte birini güçlendiriyor ama global AI pazar gelirinin yalnızca %4'ünü yakalayor. Bu uyumsuzluk iki gerçeğe işaret ediyor:
- Açık modeller deneylerde, araştırmada ve düşük bütçeli projelerde yaygın kullanılıyor. - Kurumsal müşteriler hâlâ OpenAI ve Anthropic gibi kapalı sistemlerin API hizmetlerini tercih ediyor; bu sistemler destek, yasal sorumluluk ve sürekli güncellemeler sunuyor.
Çıkarım maliyeti 36 ayda $20'den $0,40/milyon tokena düştü—elli katlık azalış. Bu düşüş açık modelleri erişilebilir kılıyor ancak aynı zamanda kapalı sağlayıcıların fiyatlarını düşürmesine de neden oluyor, böylece açık modellerin maliyet avantajı azalıyor.
Çin'in açık model stratejisi: ABD ihracat kontrollerine yanıt
Çin ve Doğu Asya açık kaynak AI benimsemesinin %89'unu temsil ediyor. DeepSeek gibi Çinli modeller 2024 sonlarında OpenRouter tokenlerinin %2'sinden azından, Nisan 2026'da %45'in üzerine çıktı.
Bu büyüme tesadüfi değil. ABD'nin Çin'e yönelik GPU ihracat kısıtlamaları ve OpenAI gibi şirketlerin API erişimini bölgesel olarak sınırlaması, Çinli geliştiricileri yerel, açık ağırlık modellere yöneltti. DeepSeek ve Qwen gibi modeller yalnızca ağırlıklarını değil, aynı zamanda eğitim metodolojilerini ve optimizasyon tekniklerini de paylaşarak, Batı kapalı sistemlerine erişimi sınırlı geliştiriciler için alternatif ekosistem yarattı.
Türkiye'deki geliştiriciler ve kurumlar için bu durum iki farklı sinyale işaret ediyor:
- Fırsat: DeepSeek ve Qwen gibi modeller Türkçe ve çok dilli görevlerde LLaMa'ya alternatif. Lisans terimleri daha esnek, yerel adaptasyonlar için alan var. - Risk: Kapalı sistem destekçileri LLaMa tabanlı ürünlerin ticari kullanım kısıtlamalarını, Çin merkezli modellerin veri toplaması ve şeffaflığını eleştiriyor. Kritik altyapı ya da kamu hizmeti uygulamaları bu konularda açık olmayan sorunlar taşıyorlar.
Açık modellerin global benimsenmesi ABD–Çin teknoloji yarışının bir yansıması. Türkiye gibi orta gelirli ülkeler bu yarışta yan etki alıcısı konumunda: açık modeller maliyet esnekliği sunuyor ama jeopolitik bağımlılık riski de taşıyor.
Altyapı rekabeti: GPU'dan tam yığın platformlara
Açık modellerin performansı GPU'ya bağlı görünse de, yapay zeka rekabetinin temeli artık tekil bileşenlerden tam platformlara kaydı. Silikon, yazılım, ağ ve geliştirici ekosistemlerinin entegrasyonu rekabet avantajını belirliyor.
TensorWave'in ScalarLM platformu bu değişimin somut örneği. Açık kaynak AI platformu hem AMD hem de Nvidia GPU'larını destekliyor, kod değişikliği gerektirmiyor. Bu tür sistemler neobulutlar (neoclouds) olarak adlandırılıyor: eski hiper ölçekli bulut sağlayıcılarının genel altyapı yaklaşımından farklı olarak, daha yoğun GPU bağlantısı ve uzmanlık gerektiren altyapılar.
Depolama ve ağ, AI sistemlerinde sürekli darboğaz yaratıyor. AMD'nin Kasım ayında yayınlanacak PCIe Gen 6 CPU'ları bu veri akışını iyileştirmek için tasarlanmış. Venice EPYC işlemci önceki nesle göre %70 performans artışı vaat ediyor ve PCIe Gen 6 ile birlikte geliyor.
Agentic AI iş yükleri yalnızca GPU hızına değil, hızlı SSD'lere ve veri akışını koordine eden yüksek hızlı CPU'lara da ihtiyaç duyuyor. Açık modeller yalnızca ağırlık ve kod değil, bu altyapının tamamını gerektiriyor.
Geliştiriciler üretime neden taşımıyor: üç temel engel
Mozilla verilerine göre geliştiricilerin %79'u açık modelleri kullanıyor ama yalnızca %51'i bunları üretime taşıyor; kapalı modellerde bu oran %63. Bu ayrışmanın nedenleri teknik ve hukuki sorunlara dayanıyor.
Teknik kararlılık ve destek
Açık modeller hızla geliştiriliyor ama OpenAI ve Anthropic gibi şirketler API'larında geriye dönük uyumluluk, versiyon yönetimi ve SLA garantisi sunuyor. Açık modellerde bu garantiler yok. Bir modelin yeni sürümü önceki davranışları bozabilir, ya da geliştirici destek almadan kendi başına sorun gidermek zorunda kalabilir.
Lisans belirsizliği
LLaMa gibi modellerin lisansı ticari kullanımı kısıtlıyor ya da belirli koşullara bağlıyor. Türkiye'deki bir şirket LLaMa tabanlı bir ürünü müşterilerine satarsa, Meta'nın lisansını ihlal edip etmediğini bilmek için hukuk danışmanlığına ihtiyaç duyabilir. DeepSeek ve Qwen daha esnek lisansa sahip.
Üretim güvenliği ve denetim
Kullanıcılar otonom AI ajan isteklerini %93 oranında onaylıyor—bu onay oranı yüksek, güvenlik riski yaratır. Açık modelleri üretime taşıyan şirketler model davranışlarını, güvenlik açıklarını ve veri sızıntı risklerini kendi başlarına denetlemek zorunda. Kapalı sistemler bunu API katmanında yapıyor, açık modellerde bu sorumluluk kullanıcıda.
Açık kaynak AI'da hangi kullanım senaryoları uygulanabilir
Açık kaynak AI terimi şu anda üç farklı anlama geliyor:
1. Tam açık kaynak: Open Source Initiative tanımına göre model ağırlıkları, eğitim kodu, eğitim verisi ve çıkarım kodu tamamen açık ve özgürce yeniden kullanılabilir. Gerçekte böyle modeller nadir. 2. Açık ağırlık: Model ağırlıkları ve çıkarım kodu açık ama eğitim verisi ya da eğitim kodu paylaşılmamış olabilir; lisans sınırlamaları olabilir (örneğin LLaMa). 3. Açık lisans: Ağırlıklar, kod ve lisans birlikte esnek ve ticari kullanıma açık (örneğin DeepSeek, Qwen).
Açık modeller araştırma ve deneylerde maliyeti düşürdüğü için elverişli. Yerel veri gizliliği gerektiren kurumlar—sağlık, finans, kamu kurumları—modellerini kendi sunucularında çalıştırabilir, veri dışarı çıkmaz. Türkçe, Kürtçe, Arapça gibi düşük kaynaklı dillerde OpenAI ve Anthropic yetersiz kalabilir; açık modeller fine-tuning ile bu boşluğu doldurabilir.
Uretim ortamında şirketlerin tercih ettiği kapalı sistemleri açık modellerle değiştirmesi ise teknik destek, hukuki sorumluluk ve güvenlik denetim maliyetlerini kabullenmeyi gerekli kılıyor. Bu maliyetlerin ve risklerin çıkarım fiyat avantajından yüksek olup olmadığını her kurum kendi başına değerlendirmek zorundadır.
