Temmuz 2026 itibarıyla açık kaynak yapay zekanın durumu
(stateofopensource.ai)- Açık ağırlıklı modeller kodlama, talimat izleme ve genel bilgi alanlarında kapalı modellere benzer seviyeye ulaştı; çıkarım maliyeti de 36 ayda 50 kat düştüğü için rekabetin odağı modelin kendisinden ajan harness katmanına kayıyor
- 2026 ortasında OpenRouter'da açık ağırlıklar token işleme hacminin yarısından fazlasını oluşturuyor ve ilk 5 modelin tamamı açık olsa da, akıl yürütme, uzun bağlamlı arama ve ajan görevlerinde kapalı modellerle arada ortalama %3,3'lük bir yetenek farkı sürüyor
- Yapay zeka özelliği ekleyen geliştiricilerin %79'u açık modeller kullanıyor ancak prodüksiyona ulaşma oranı %51 ile kapalı modellerin %63'lük oranının altında kalıyor; bu da standartlaşma, dağıtım araçları ve operasyonel güvenin temel darboğazlar olmaya devam ettiğini gösteriyor
- Databricks, Mistral AI ve DeepSeek'in de yer aldığı ekosistem büyük ölçekli gelir ve yatırım sağladı; self-hosting, token bazlı kullanım maliyetini sabit maliyete çeviriyor ancak model fiyatları düştükçe gelir platformlar, harness katmanı gibi üst katmanlara kayıyor
- Bir sonraki rekabet, harness, bellek, yazma izinleri ve yönetişimi kimin sahip olacağına bağlı; açıklığı korumak için tarafsız harness'lar ve taşınabilir yetki standartları oluşturulmalı, belirli bir modele, sağlayıcıya veya ülkeye bağımlılıktan kaçınılmalı
Kiralamak yerine sahip olunan yapay zeka
- Açık yapay zeka; pazar hacmi küçük diller, sahada kullanılan çevrimdışı hizmetler, özel donanım ve kamu altyapısı gibi kapalı API'lerle kiralanması zor alanlarda kullanıcıların modele ve verilere doğrudan sahip olmasını sağlıyor
- Yeni Zelanda'nın kuzeyindeki bir Māori yayın kuruluşu, verilerin toplulukta kalmasını sağlayan bir lisansla te reo ses modeli eğitiyor
- PwC, finans diline göre ince ayarlanmış açık modelleri kendi donanımında yüzlerce müşteri için çalıştırıyor ve token başına ücret ödemiyor
- Lausanne'dan araştırmacılar, Red Cross ve insani yardım yönergelerine uygun açık bir tıbbi model geliştiriyor ve kendi ülkelerinde ve Tanzania'da klinik deneylere hazırlanıyor
- Doğu Afrika'daki çiftçiler, bulut erişimi olmayan tarlalarda cep telefonuyla çevrimdışı manyok hastalığı teşhis modeli çalıştırıyor
- Switzerland'daki kamu konsorsiyumu, kamu süper bilgisayarlarıyla ulusal model eğitiyor ve ağırlıkları, verileri ve eğitim kodunu tamamen yayımlıyor
- Mozilla nasıl tek bir şirketin web geçidi üzerindeki tekelini engellemek için ortaya çıktıysa, yapay zekada da rekabet, birlikte çalışabilirlik ve sağlayıcıdan ayrılma özgürlüğü gerekiyor
- Amaç tek bir model seçmek değil; birden çok modeli standart bir şekilde bağlayıp istenildiği anda sağlayıcı değiştirilebilen bir yapı kurmak
Açık ağırlıkların yetenekleri ve kullanımı
- Chatbot Arena'da açık ve kapalı modeller arasındaki fark 2024 Ocak'tan bu yana %8,04'ten %0,5'e kadar daraldı, ardından 2026 Mart'ta yeniden %3,3'e açıldı
- 2024 Ağustos'ta fark %0,5'e kadar indi ve 2025 Şubat'ta DeepSeek-R1 kısa süreliğine ABD'nin en üst düzey modeliyle başa baş kaldı
- Kapalı akıl yürütme modelleri öne geçince ortalama fark yeniden büyüdü ancak açık modeller kodlama, talimat izleme ve genel bilgide aynı seviyede ya da çok yakın
- Kalan fark akıl yürütme, uzun bağlamlı arama ve ajan görevlerinde yoğunlaşıyor
- GPT-4 sınıfı modellerin 1 milyon token başına çıkarım fiyatı 36 ayda 20 dolardan 0,40 dolara düşerek 50 kat geriledi
- Stanford HAI, GPT-3.5 sınıfı fiyatların 18 ayda 280 kat düştüğünü hesapladı
- Epoch AI yıllık 9 ila 900 kat arası düşüş bildirirken, Kasım 2025 tarihli bir MIT araştırması donanım etkisi ayarlandığında frontier fiyatlarının yılda 5 ila 10 kat düştüğünü tahmin ediyor
- OpenRouter'da açık ağırlıkların token payı yok denecek düzeyden 2025 sonlarında yaklaşık üçte bire, 2026 ortasında ise yarının üstüne çıktı
- Bu, token işleme hacmine göre üstünlük anlamına geliyor; istek sayısında ise ABD'li kapalı sağlayıcılar hâlâ önde
- Açık model kullanımı kodlama ve ajan iş yüklerinde yoğunlaşıyor
- Son bir ayda OpenRouter işlem hacmine göre ilk 5 modelin tamamı açık ağırlıklı
- Sıralama DeepSeek V4 Flash 18.4T, Xiaomi MiMo-V2.5 14.9T, Tencent Hy3 preview 14.8T, MiniMax M3 14.3T ve kaynağı açıklanmayan Owl Alpha 11T şeklinde
- Bunları Anthropic Claude Opus 4.7 9.02T, DeepSeek V4 Pro 8.55T, Claude Sonnet 4.6 7.33T, Claude Opus 4.8 6.18T ve DeepSeek V3.2 4.31T izliyor
- 2026 ortasında ilk 9 modelin haftalık token işleme hacmi Çin menşeli modellerde yaklaşık 18T, ABD menşeli modellerde yaklaşık 5.5T ile 3'e 1'in üzerinde; maliyete göre yönlendirme yapan geliştiriciler açık ağırlıkları seçme eğiliminde
Yüksek benimseme oranı, düşük prodüksiyona geçiş oranı
- Mozilla ve SlashData'nın 2026 geliştirici araştırmasında yapay zeka özelliği ekleyen geliştiricilerin %79'u açık modelleri, %71'i kapalı modelleri kullanıyor
- %29 yalnızca açık modelleri, %21 yalnızca kapalı modelleri kullanıyor
- Yarısı, yani %50'si iki türü birlikte kullandığı için çoğu ekipte bunlar birbirinin tam ikamesi değil
- Açık model benimseme oranı Greater China ve East Asia'da ayrı ayrı %89 ile en yüksek; bunları Western Europe %70 ve South America %66 izliyor
- Kapalı model benimseme oranının açıktan yüksek olduğu bölgeler yalnızca Western Europe ve South America
- Prodüksiyona ulaşma oranı açık model ekiplerinde %51, kapalı model ekiplerinde %63 olarak farklılığını koruyor
- Küçük şirketlerde oran kapalıda %54, açıkta %53
- Orta ölçekli şirketlerde sırasıyla %66 ve %55, 1.001'den fazla çalışanı olan şirketlerde ise %73 ve %57
- Kurum büyüdükçe kapalı model dağıtım oranı %54'ten %73'e çıkarken açık model oranı %53'ten %57'ye neredeyse hiç oynamıyor; bu da yalnızca kurumsal kaynakların açık model dağıtım darboğazını çözmediğini gösteriyor
- Açık modelleri bırakmış geliştiricilerle kullanmaya devam edenler arasındaki en büyük farklar; model performansının yetersiz olması +12 puan, mevcut sistemlerle entegrasyon +11 puan, bakım ve güncellemeler +10 puan
- Dokümantasyon eksikliği, dağıtım/hosting/ölçekleme ve model değerlendirme/karşılaştırma başlıkları ayrı ayrı +8 puan
- İnce ayar ve özelleştirme +4 puan; altyapı maliyeti ile güvenlik, gizlilik ve mevzuata uyumda fark yok; uzman desteği eksikliği ise -2 puan
- Kullanımı bırakmayı belirleyen etkenler, saf model kabiliyetinden çok entegrasyon, operasyon ve bakım tarafında yoğunlaşıyor
- Mevcut veya geçmişte açık model kullanmış 1.410 geliştiricinin bölgelere göre analizinde genel engeller; altyapı ve hesaplama maliyeti %27, güvenlik/gizlilik/mevzuata uyum %26, bakım %24, dağıtım/hosting/ölçekleme %23, uzman desteği eksikliği %22 olarak sıralanıyor
- South Asia'da özellikle güvenlik ve mevzuata uyum %39, uzman desteği ise %31 ile öne çıkıyor
- Ciddi bir sorun olmadığını söyleyenlerin oranı yalnızca North America'da %21 ve Greater China'da %16 ile %15'i aşıyor
- Oceania'daki 39 kişilik örneklem ile Eastern Europe ve CIS'teki 98 kişilik örneklem güvenilir kıyas için küçük kalıyor
Açık yapay zeka yığınının operasyonel açığı
- Mozilla'nın Haziran 2026 tarihli yığın haritası, 9 katman, 48 bileşen ve 1.361 projeyi 10 olgunluk ölçütüne göre 1 ila 5 arasında puanlıyor
- Kabiliyet düzeyi yüksek olsa da, neredeyse tüm katman ve bileşenlerde standartlaşma ve kurumsal operasyona hazırlık en düşük seviyede görünüyor
- Açık yığındaki ortak darboğaz model kalitesi değil, standartlaşma ve kurumsal operasyona hazırlık; dağıtım, entegrasyon, destek ve yönetişim araçları henüz tamamlanmış değil
Açık kaynak yapay zekanın iş modeli ve maliyet yapısı
- Açık ağırlıklı yapay zeka, yüzlerce milyar dolarlık ticari bir pazara dönüştü; doğrulanmış gelir modelleri beş başlıkta toplanıyor: barındırılan çıkarım, kurumsal platformlar, şirket içi lisanslama, ince ayar hizmetleri ve harness araçları
- Başlıca şirketler yatırım, gelir ve halka arz aşamalarında ölçekleniyor
- Databricks, yıllıklandırılmış gelirde 5,4 milyar doları aştı ve halka arz öncesi aşamada bulunuyor
- DeepSeek, yaklaşık 220 milyon dolar yıllık yinelenen gelir (ARR), açıklanan 7,4 milyar dolarlık yatırım ve 50 milyar doların üzerinde değerlemeye ulaştı
- Mistral AI, 12 ayda 20 kat büyüyerek yaklaşık 400 milyon dolar ARR seviyesine çıktı; açıklanan yatırımı 3,05 milyar dolar, değerlemesi yaklaşık 14 milyar dolar ve ayrıca 20 milyar euro seviyesinde yatırım görüşmeleri de yürütüyor
- Moonshot AI 3,9 milyar dolar; Reflection AI ve Cerebras sırasıyla yaklaşık 2,1 milyar dolar; Cohere 1,7 milyar dolar; Together AI ise 1,334 milyar dolar fon topladı
- Baseten 585 milyon dolar, Black Forest Labs 450 milyon dolar, Hugging Face 400 milyon dolar, Modular 380 milyon dolar, Fireworks AI 327 milyon dolar, Anyscale 281 milyon dolar, LangChain 260 milyon dolar ve Stability AI 230 milyon dolar tutarında açıklanan yatırım aldı
- Zhipu AI ve MiniMax, açıklanan toplam yatırım tutarını paylaşmadı ve 2026'da Hong Kong IPO ile borsaya açıldı
- Nvidia, Salesforce, AMD, Google, IBM, ASML, Tencent, CATL ve Schwarz Group da model, çıkarım ve araç katmanlarındaki şirketleri destekliyor
- Cohere, kurumsal ve şirket içi işleri yürütüyor; 2026 Mayıs'ında Command A+'ı açık kaynak olarak yayımladı. LangChain ise GitHub'da 126.000'in üzerinde yıldız ve geliştirici payında %60'a ulaştı
- Büyük ölçekli kullanımda kapalı modellerin token başına ücretlendirmesi bütçe sorunlarına yol açıyor
- Microsoft, token ücretleri yıllık yapay zeka bütçesini birkaç ay içinde tüketince 30 Haziran 2026'ya kadar Claude Code lisanslarının çoğunu iptal etti ve ağır Copilot iş yükleri için güvenlik odaklı Azure üzerinde barındırılan DeepSeek V4'ü değerlendirmeye aldı
- Uber, 2026 yapay zeka kodlama bütçesini 4 ay içinde tamamen tükettikten sonra araç ve çalışan başına aylık harcamayı 1.500 dolarla sınırladı
- Stripe, vLLM üzerinde açık modeller sunarak günde 50 milyon API çağrısını önceki GPU sayısının üçte biriyle işledi ve çıkarım maliyetini %73 azalttı
- Açık ağırlıkları şirket içinde barındırmak, sağlayıcının kontrol ettiği değişken işletme giderlerini işletmenin sahip olduğu sabit maliyetlere dönüştürüyor
- 2025 Mayıs-Eylül döneminde OpenRouter'da açık modeller kullanımın yaklaşık %20'sini oluşturdu, ancak model katmanı gelirinin yalnızca yaklaşık %4'ünü aldı
- Benzer yetenek düzeyinde kapalı modellerin çağrı başına fiyatı yaklaşık 6 kat daha yüksekti
- Linux Foundation'ın Nagle–Yue araştırması, bu fiyat farkı nedeniyle gerçekleşmeyen yıllık tasarruf potansiyelini yaklaşık 24,8 milyar dolar olarak tahmin ediyor
- Açık model kullanımı artsa bile model katmanı metalaştığında gelir, platform ve harness gibi üst katmanlarda birikiyor
Ulusal egemenlik ve sağlayıcıdan ayrılabilme
- 70'ten fazla ulusal yapay zeka stratejisi yürürlüğe girerken, politikanın odağı bir ülkenin stratejiye sahip olup olmamasından yığının hangi katmanlarına sahip olabileceğine kayıyor
- 2026 Haziran'ında Claude Fable 5'in çıkışından üç gün sonra bir hükümetin ihracat emri üzerine Anthropic'in dünya genelindeki yabancı uyrukluların erişimini engellemesi, sağlayıcı kontrolünün kapsamını ortaya koydu
- Seçici uyum mümkün olmadığından, Cuma günü 17:21'de tüm hedef kullanıcıların modellere erişimi kesildi ve bu modele bağımlı kullanıcılar önceden uyarılmadan etkilendi
- Sağlayıcı barındırılan modelleri kapatabilir, ancak kullanıcının sahip olduğu donanımda çalışan ağırlık kopyalarını uzaktan kapatamaz
- Şirketler için diskte saklanan ağırlıklar bir riskten kaçınma aracı; ülkeler için ise bağımsız politika ile dış izin arasındaki farkı yaratıyor
- Bulut çağındaki sağlayıcıya bağımlılık, zaten yüksek çıkış maliyetleri gösteriyor
- AWS S3'ten 1PB veriyi dışarı çıkarmanın maliyeti 90.000-120.000 dolar
- Şirketlerin %80'i iş yüklerini yeniden kendi ortamlarına taşıyor
- 37signals, buluttan ayrılarak yıllık maliyetini 3,2 milyon dolardan 1 milyon doların altına indirdi
- GEICO'nun bulut maliyeti planlananın 2,5 katıydı
- Tescilli API'ler üzerine kurulan sistemler de fiyat değişikliklerini olduğu gibi kabul etmek zorunda kaldığından temiz bir çıkış yapmak zor; bu yüzden açık ağırlıklar sağlayıcıyı terk etme hakkı sunuyor
- 2026 Mart'ında Hugging Face toplam indirme sayılarında Alibaba Qwen 942M, Meta Llama 476M ile Çin en büyük açık ağırlık tedarikçisi haline geldi
- 2026 Şubat'ında Qwen, kendisinden sonraki 8 kuruluşun toplamından daha fazla indirildi
- Çin açık ağırlıklı modellerin OpenRouter token payı, 2024 sonundaki %2'nin altından 2026 Nisan'ında haftalık trafiğin %45'inin üzerine çıktı; kullanımda ilk 10 model içinde ise yaklaşık %61 pay aldı
- DeepSeek, 26.000'den fazla kurumsal hesaba sahipti ve 2025'te yeni yapay zeka girişimlerinin %58'i bunu yığınına dahil etti, ancak en az 8 yargı bölgesi barındırılan hizmetlerini kısıtladı
- Şirketler, barındırılan uygulamaları yasaklarken aynı zamanda ağırlıkları kendi altyapılarında barındırma ya da Batı merkezli endpoint'ler üzerinden kullanma yoluna giderek bu iki kararı birlikte uyguluyor
- Çin'in açık kaynak yayılımı, Ağustos 2025'teki State Council AI Plus Initiative ve Mart 2026'da ulusal Five-Year Plan içine alınan bir politika
- Açıklanan ağırlıklar, yarı iletken ihracat kontrollerine karşılık verirken aynı zamanda çıkarım yükünü dünya genelindeki kullanıcıların yerel donanımlarına dağıtma işlevi görüyor
- Global South'ta ABD teknoloji tekeline bağımlılığı azaltıp sağlayıcıları çeşitlendirme talebi var; diğer bölgelerde ise temel motivasyon maliyet
Yeni rekabet katmanı hâline gelen agent harness
- Tarayıcıların kullanıcı adına sunucularla pazarlık yapan açık webin user agent'ları olması gibi, modelin üzerindeki agent harness de orkestrasyon, araçlar, bellek, sandbox ve izinlerden sorumlu oluyor
- Harness yığını, modelden kullanıcı ve yönetişime kadar birden çok katmandan oluşuyor
- Kontrol katmanı: LangGraph, CrewAI, AutoGen ve LlamaIndex; akıl yürütme ve eylemin yinelemeli döngüleriyle modeli agente dönüştürüyor
- Bağlantı katmanı: MCP araçlar ve bağlamı, A2A agentlar arası iletişimi, Mem0·Letta·Zep ise belleği üstleniyor
- Eylem katmanı: E2B·Daytona·Modal sandbox ve çalıştırma sağlıyor, izinler ve kimlik ise hâlâ çözülmemiş bir yazma alanı olarak kalıyor
- Değerlendirme ve gözlemlenebilirlik katmanı: Langfuse ve Phoenix, çalışma sonuçları ile davranışı izliyor
- Kullanıcı ve ödeme katmanı: AG-UI·A2UI arayüzü, x402·AP2·UCP ise ödeme ve ölçümlendirmeyi üstleniyor
- Yönetişim katmanı: Meta-harness, Omnigent, OPA, Agent governance toolkit; birden fazla harness'in durum tabanlı politika, kayıt, soy ağacı, bütçe ve iptalini birleştiriyor
- MCP ilk yılında aylık 97M SDK indirmesine ve 10.000'den fazla aktif sunucuya ulaştı, 16 ayda %4.750 büyüdü ve Aralık 2025'te Linux Foundation'ın Agentic AI Foundation'ına bağışlandı
- Kurumlar arasında olgun agent yönetişimine sahip olanların oranı yalnızca yaklaşık %21, yani benimseme hızı kontrol mekanizmalarından daha hızlı
-
Model ve harness'in dikey entegrasyonu
- Terminal-Bench 2.0'da Mayıs 2026'da üçüncü taraf harness, aynı Anthropic weights ile %79,8 alarak Claude Code'un %58,0'ını 21,8 puan geçti
- 8 hafta sonra Terminal-Bench 2.1'de laboratuvarlar harness'i içselleştirince sıralama tersine döndü
- Codex CLI ve GPT-5.5 kombinasyonu %83,4, Claude Code ve Claude 5 Fable kombinasyonu ise %83,1 aldı
- Aynı Fable 5'i kullanan en üst bağımsız harness %80,4'e ulaştı; zirvedeki fark da yaklaşık 3 puana indi
- Karşılaştırılabilir tüm modellerde laboratuvar sahipli harness, bağımsız harness'i geride bıraktı
- Model ve harness birlikte optimize edildiğinde performans artıyor, ancak başka bir modele geçildiğinde performans düşüyor; yani optimizasyonun yan ürünü olarak bağımlılık oluşuyor
- Açık modellerin buna karşılık gelen birinci taraf harness'i olmadığından Terminal-Bench 2.1 resmi doğrulamasında üst sıralarda görünmüyorlar
- Nötr bir harness'te karşılaştırıldığında Claude Opus 4.8 görev başına 2,41 dolara %71,9, Opus 4.7 1,98 dolara %68,5 ve açık model GLM 5.2 0,43 dolara %67,8 aldı
- Açık model, Opus 4.7'nin biraz altında ve Opus 4.8'in yaklaşık 4 puan gerisinde, ancak maliyeti yaklaşık beşte biri
- Laboratuvar sahipli harness'te oluşan gerçek kullanım verisi, sonraki modele geri beslenen bir data flywheel yaratıyor; kendi yığını harness'e sahipse aynı veriye doğrudan sahip olabiliyor
-
Çözülmemiş yazma izinleri
- Okuma, belge getirme, veritabanı sorgusu ve takvim listesi gibi geri alınabilir işlemlerden oluştuğu ve sonuçlar nispeten küçük olduğu için varsayılan olarak izin verilebilir
- Yazma ise mesaj gönderme, bütçe harcama, kayıt değiştirme ve işlem yürütme gibi yüksek maliyetli ya da geri alınamaz olduğu için onay, eşik değerleri, maliyet limitleri ve iptal işlevlerinin burada yoğunlaşması gerekiyor
- Yaklaşık 12 framework, 10 harness ve 3 eş protokolü bulunmasına rağmen MCP host'larını, A2A peer'lerini, doğrudan araç çağrılarını ve framework sınırlarını kapsayan taşınabilir bir yazma izin modeli yok
- MCP 2025-11-25 spesifikasyonu kimlik doğrulamayı OAuth 2.1'e taşıdı ve A2A v1.0 imzalı Agent Card'ı standartlaştırdı, ancak ikisi de kimlik doğrulamada duruyor
- Kimlik doğrulansa bile agentin neyi çalıştırabileceği belirlenmiş olmuyor
- CoSAI'nin MCP tehdit modeli, kullanıcıların çoğu onay isteğini düşünmeden kabul etmesi anlamına gelen onay yorgunluğunu en üst tehdit olarak sınıflandırıyor
- Databricks'in açık kaynak Omnigent'i gibi meta-harness'ler, tek tek agentların prompt filtresi yerine oturum durumunu izleyip sonraki yazma işlemini kontrol ediyor
- Doğrulanmamış bir paket indirildikten sonra kod push etmeye çalışılırsa insan onayı istenebiliyor
- Belirlenen tutar harcandığında oturumu duraklatan maliyet üst sınırları da uygulanabiliyor
- Birden çok harness üzerinde yazma alanını kontrol eden katman, sürdürülebilir bir izin modelinin oluşacağı nokta
-
Güvenlik ve kapalı modellerin kalan üstünlüğü
- Filtreleme, izleme ve iptal; weights'in kapalı olmasının değil, hizmet ve harness katmanının işlevleri ve kendi kendine barındırılan açık modellere de uygulanabiliyor
- 2025'te Anthropic, Microsoft, ServiceNow ve Salesforce'un kapalı sistemlerinde de CVSS 9.3~9.4 düzeyinde yetki açıkları görüldü
- NTIA, ABD hükümetinin open weights'i kısıtlayıp kısıtlamayacağını değerlendirdikten sonra kısıtlama yerine izlemeyi önerdi
- Kapalı sistemler dört alanda hâlâ önde
- Entegre harness ve onun arkasındaki data flywheel
- 1 milyon tokenlık uzun bağlam aramasında Gemini 3'ün çoklu needle search'te %89'una karşı DeepSeek V4-Pro'nun %41'i arasındaki fark
- SOC 2, HIPAA ve varsayılan veri saklamama ile kutudan çıktığı gibi gelen düzenleyici uyumluluk
- Müşterinin hesap sorabileceği sözleşme tarafı
- Düzenleyici uyumluluk ve hesap verebilirlik sözleşme sorunu, entegre harness araç sorunu, uzun bağlam sadakati ise açık laboratuvarların doğrudan çözmesi gereken bir model sorunu
Açıklığı korumak için beş yatırım
- Açık harness inşa etmek: Codex ve GPT-5.5'te olduğu gibi open weights ile birlikte tasarlanmış genel amaçlı veya sektöre özel harness'ler kurulmalı
- Kapalı laboratuvarlar model ve harness'i tek bir kiralık üründe tamamen birleştirmeden önce inşa etmek için hâlâ zaman var
- Belleğin sahipliğini almak: weights fiyatı 0'a yaklaştıkça model değiştirilebilir bir parçaya dönüşüyor, birikimli bağlamı taşıyan bellek ise bileşik şekilde büyüyen bir varlık oluyor
- Kendi güvenlik duvarınızın arkasında, taşınabilir ve yalnızca ekleme yapılabilen bir formatta saklanmalı; erişim sona erdikten sonra yılların bağlamını geri getirmek mümkün olmuyor
- Taşınabilir izin çözümü: MCP·A2A·doğrudan araç çağrıları ve framework sınırlarının tamamında gözetimsiz izin verilen, insan onayı gerektiren ve yasak yazma işlemlerini ayıran bir standarda ihtiyaç var
- Meta-harness'in durum tabanlı yazma politikaları şekillenirken açık standart çıkmazsa kuralları kapalı platformlar belirleyecek
- Kullandıkça öde modelinden çıkmak: Kapalı ve açık modeller doğrudan karşılaştırılmalı, açık arayüzün arkasında ikinci bir model hazır bekletilmeli ve yükün öngörülebilir olduğu yerlerde self-hosting tercih edilmeli
- Sağlayıcıların borsaya açılması ve indirimlerin tükenmesinden sonra 2027~2028 civarında başlangıç fiyatlamasının biteceği öngörülüyor; geçiş hâlâ kolay ve ucuzken çift kaynak oluşturulmalı
- Varsayılanı çoklu sağlayıcı yapmak: Ekosistem tek bir açık sağlayıcı etrafında yoğunlaşırsa artık ortak kaynak olarak görmek zorlaşır
- 47 ülke yurtdışı veri işlemeyi kısıtlıyor ve 70'ten fazla ulusal strateji yürürlükte
- Europe, EUROPA'ya yatırım yapıyor, Canada 890 milyon dolar ayırdı ve India 38.231 GPU tahsis etti
- Kamu fonları uzun vadeli geliştirmeyi destekleyemezse açık ekosistem de tek kaynağa yakınsayabilir
Takip edilmesi gereken sinyaller
- Yetenekler ve benimseme: %3,3 yetenek farkı, kodlamada eşitlik olup olmadığı, çıkarım ve ajan farkı, OpenRouter'da ajan kodlama token payı izlenmeli
- Açık token payı duraklar ve çıkarım farkı büyürse mevcut akış tersine döner
- Harness: Laboratuvar sahipli harness ile bağımsız harness arasındaki Terminal-Bench farkı, AAIF altında MCP ve A2A yönetişimi, henüz bulunmayan taşınabilir yetki spesifikasyonu kritik önemde
- Laboratuvar harness'lerinin üstünlüğü büyür ya da kapalı platformlar yetki standartlarını önce belirlerse açık katman zayıflar
- Pazar yapısı: Açık araştırma laboratuvarlarının ARR'si, yatırımlar, Zhipu ve MiniMax IPO'ları, 2027~2028 kullanım bazlı fiyat dönüm noktası ve ulusal egemen bilgi işlem yatırımları birlikte değerlendirilmeli
- Devlet fonları kesilir ya da açık laboratuvarların ekonomisi ölçeklenemezse sürdürülebilir bir pazarın oluşması zorlaşır
- Güven ve güvenlik: Açık ağırlıkların kötüye kullanım kapasitesi, güvenlik ince ayarlarının kaldırılma kolaylığı, sentetik CSAM ve rıza dışı mahrem görüntüler (NCII), NTIA'nın kısıtlama yerine izleme politikası takip edilmeli
- Ciddi kötüye kullanım olayları ya da politikanın kısıtlama merkezli bir çizgiye dönmesi, açık dağıtım ortamını değiştirebilir
- Yapay zeka karar süreçlerinde açıklık, taşınabilirlik ve geniş dağıtımdan sorumlu aktörler eşit statü kazandığında, pazar modellerin kiralandığı yapıdan doğrudan sahip olunan yapıya kayar
2 yorum
Yine Loop Engineering'e geri taşınıyor gibi görünüyor.
Hacker News yorumları
Açık modeller Anthropic ve OpenAI'yi sarsabilir. Devasa bulut sağlayıcıları modeli lisans ücreti olmadan çalıştırabilir, Apple ise modeli küçültüp doğrudan cihaz üzerinde çalıştırabilir
En ileri modeller hem rekabet avantajı hem de yük. Eğitim maliyeti astronomik ama geliştirme durursa model unutuluyor ve her modelin anlamlı biçimde farklı olduğuna dair inancı pazarlamayla ayakta tutmak gerekiyor. Artık modeller arasında gerçekten büyük farklar olup olmadığı şüpheli; rastgele ve halüsinasyon üreten modelleri deterministik ve kullanışlı hale getiren asıl şeyin yürütme çerçevesi olduğu düşünülüyor
Pazar koşulları değişirse Meta gibi yeniden kapanabilirler ve eğitim maliyetleri artmaya devam ederse açık ağırlık stratejisinin finansal olarak sürdürülebilir olup olmadığı da belirsiz
Yine de büyük kuruluşların devasa miktarda para ve hesaplama kaynağı harcayıp gelirden vazgeçmesi gerekiyor; bu tür cömertliğin sonsuza kadar sürmesi zor. Kritik soru, en ileri modellerin iş modelinin mi yoksa hızlı takipçilerin karşılıksız yatırımlarının mı önce çökeceği
Görünüm, kendi kendini iyileştiren süperzekaya ulaşılmazsa başarısız olunacak bir yapıya benziyor. Süperzekaya ulaşılırsa en ileri modeller daha hızlı üstel büyümeyle öne geçer; aksi halde hızlı takipçiler devasa yatırımları ezer ve savunma hattı da ortadan kalkar. Bu durum, yarı iletkenlerde Moore yasasıyla büyüyen silikonun GaAs tarafından yakalanamamasına benziyor; ayrıca telif hakkını zorla uygulatmak da güç
B300'ü saatlik 5 dolar gibi yüksek bir fiyattan kullanıp MFU'yu %50 alsanız bile toplam yaklaşık 15 milyon dolar ediyor. Eğitim başarısızlığı riski ve sonraki eğitim maliyetleri var, ancak sonrasındaki çıkarım harcamalarıyla karşılaştırıldığında o kadar da akıl dışı bir ölçek değil
Tam 4 ay önce OpenRouter pazar payı kapalı modeller için %60, açık modeller için %40'tı; şimdi ise açık modeller %63'e çıkarak öne geçti. 19 Mart'ta açık modellerin toplam işleme hacmi 888 milyar token'dı, dün ise 4,19 trilyon token oldu; yani yaklaşık 4 ayda 5 kat büyüdü
OpenRouter verilerine dayalı ve her gün güncellenen bir pano da hazırlanmış: https://dirac.run/labs-market-share
Yine de OpenRouter'da açık model kullanımının büyümesi çok ilginç
Buna katılmıyorsanız bu şirketlerin ne tür bir savunma hattı olduğunu duymak isterim. OpenAI ve Anthropic'in devasa harcamalarına bakıyorum ama gerçek bir savunma avantajı hiç göremiyorum; bu da hayal kırıklığı yaratıyor
Elbette bu yazı LLM'in ürettiği bir üsluba sahip: https://www.pangram.com/history/29a71663-e6b2-4db6-87bd-b943...
Yöneticilerin neden böyle yazıların altına kendi adlarını koyduğunu merak ediyorum. Belki de bu, sekreterin yazdığı taslakları ya da PR ekibinin basın bültenlerini imzalama geleneğinin doğal bir uzantısı gibi geliyor
HN'in metin ağırlıklı yazılarda, en azından ana sayfaya çıkanlarda, Pangram'ı otomatik çalıştırmasının topluluk kültürüne katkı sağlayacağını düşünüyorum. Ben şahsen bir tarayıcı eklentisi kullanıyorum ama yorumlara bakınca bazı kişilerin bunun AI üretimi olduğunu fark etmediği görülüyor
Okurların arada bir tek tek kontrol etmesindense içerik derleme sitelerinin AI denetimini otomatikleştirmesi daha iyi. Yakın zamanda Manifund'da da otomatik Pangram kontrolü uygulandı; bildiğim kadarıyla LessWrong da bir süredir bu özelliği kullanıyor
Bu sunum materyalini okumak acı verici. Çevredeki metinle neredeyse hiç bağlantısı olmayan çok fazla grafik var ve LLM'in hayal ettiği bir CTO sunumu gibi görünüyor. Yine de CTO slaytına benzediği için buna 'HIGH IMPACT' deniyor gibi
Mozilla CTO'su kendi analizini bizzat açık ve net biçimde anlatsaydı çok daha iyi olurdu
Açık modellerin yayılmasını genel olarak desteklediğim için bunu ciddiye almak istiyorum, ama AI tarafından yazıldığı çok belli olduğu için zor. Sanki bu tür yazıları yazan insanları işten çıkarmışlar
Sadece alay etmek için söylemiyorum; kolayca fark edilen AI üslubu bazı okurları anında uzaklaştırıyor, böylece yazının argümanına zarar verip ters etki yaratıyor
“Bir şirket web'in ana giriş kapısını tekeline almaya çalıştı ve açık topluluk bunu durdurmak için ayağa kalktığı için Mozilla var” deniyor ama bugünkü Firefox pazar payına bakınca web'in ana giriş kapısı fiilen Google ve Apple'ın elinde
Geri kalan ekosistemin sapmalarını denetleyen birkaç açık modelin olduğu bir gelecek tek başına yeterli olabilir, ancak bu yazı böyle bir argüman kuruyor gibi görünmüyor
Sonrasında bir başka şirket daha pazar konumunu kullanarak ücretsiz tarayıcıyı yaygınlaştırdı ve Firefox'un payını çökertti, ancak tekel gibi görünmemek için Mozilla'ya para ödemeyi sürdürdü
Mozilla'nın en yeni trendlere yetişmek için her şeyi yaparken geliştiriciler ve ileri düzey kullanıcılar için gerçek anlamda gizlilik odaklı bir tarayıcı yapmaması dikkat çekici
Mozilla'nın AI stratejisine de katılır hale geldim. Kendi modelini yapmak ya da düşük kaliteli AI içerikleri satmak yerine açık kaynak uyum katmanı kuruyor; bu yaklaşım gerçek dışı değil
AI'nın dikey olarak bağımlı hale geldiği bir dünya istemiyorum ve Mozilla açık kaynak AI'da geçmişteki stratejisini gerçekten yeniden üretebilirse bu herkesin yararına olur
Son zamanlarda Zen'i çok sevmeye başladım ama iki aydır kullanmama rağmen sabitlenmiş sekmeler özelliği hâlâ biraz kafa karıştırıcı: https://zen-browser.app/
https://stateofopensource.ai/state-of-open-source-ai-2026.pd... içindeki PDF sürümünü okumak daha kolay
Kaynak veriyi ve eğitim metodolojisini birlikte paylaşarak yeterli kaynağı olanların gerçekten yeniden üretebileceği gerçek anlamda açık modeller etrafında neredeyse hiç topluluk görünmemesi üzücü. “Açık” teriminin anlamının şaşırtıcı ölçüde sulandırılmasına izin verildi
Tasarım ve yerleşim gereksiz yere okumayı zorlaştırıyor ama çıkarım maliyetinin neredeyse 50 kat düşmüş olması gerçekten şaşırtıcı. Kimi K3'ün yayımlanışına bakınca açık modeller zaten en ileri seviyeye yaklaşmış durumda
Açık kaynak AI, Anthropic ve OpenAI'nin beklediğinden çok daha hızlı ilerliyor