Çin’in açık yapay zekâ yığını model ağırlıklarından ajan altyapısına uzanıyor
İndirilebilir yeni modeller, ulusal süperbilgisayar kurulumu ve açık ajan çerçevesi; Çinli geliştiricilerin ağırlıklardan lisanslara ve yürütme altyapısına kadar tüm yığında yarıştığını gösteriyor.
Yapay Zekâ··Sabah
Açık lisanslarla indirilebilir ağırlıklar
Alibaba’nın Qwen ekibi, Qwen 3.8 ailesini Apache 2.0 lisansıyla yayımladı; ağırlıklar Hugging Face ve ModelScope üzerinden indirilebiliyor. Ailede metin, görsel, video, şema ve belgeleri işleyen 27 milyar parametreli çok kipli yoğun bir model bulunuyor. Qwen, bu modelin kodlama ve ofis işlerinde daha büyük Qwen3.7-Plus’ı geçtiğini söylüyor. Karşılaştırma ekibe ait ve duyuruda bağımsız bir değerlendirme yer almıyor. Düşünme kipi her sorguda değiştirilebiliyor. Zhipu AI ise GLM-5.2 ile aynı temele dayanan, kazanımları yalnızca daha uzun son eğitime bağlanan GLM-5.3’ü yayımladı. Zhipu, ürünü en güçlü açık ağırlıklı kodlama modeli diye tanıtıyor ve güvenlik incelemelerinin ardından ağırlıkları iki hafta içinde açmayı beklediğini söylüyor. Model o zamana kadar GLM Coding Plan üzerinden kullanılabiliyor; ZCode, Claude Code ve OpenCode ile çalışıyor. Şirket ayrıca güvenlik açığı bulma verisiyle eğitilen modelin Çinli güvenlik ekipleriyle birlikte 269 projede 2.436 açık bulduğunu bildiriyor. Bu sayılar şirket ölçümlerine dayanıyor; yayımlanmış bağımsız bir doğrulama yok. Böylece iki sürüm bugün farklı açıklık düzeyleri sunuyor: Qwen, belirtilmiş bir lisansla indirilebilir ağırlık sağlarken Zhipu abonelik erişimi veriyor ve ağırlıkları daha sonra açmayı vaat ediyor.[2], [3]
Dağıtım rayı olarak ulusal süperbilgisayar
Çin Ulusal Süperbilgisayar İnterneti, DeepSeek-V4-Pro-0813 modelinin resmî sürümünü ve DeepSeek Harness eylemci altyapısını platformuna yerleştirdi. Kullanıcılar model ile kaynak kodunu indirip özel kurulum, dağıtık çıkarım ve eylemci geliştirme için kullanabiliyor. Platform, süperbilgisayar ile yapay zekâ hesaplamasını 100.000 hızlandırıcı üzerinden birleştiren havuzunun eğitimden dağıtıma bütün model yaşam döngüsünü desteklediğini ve yapay zekâ topluluğunda 1.700’den fazla açık kaynak model barındırdığını söylüyor. Bu kapasite sayıları platformun beyanına dayanıyor. Harness, 13 Ağustos’ta MIT lisanslı geliştirici önizlemesine çıktı. Eklenti temelli tasarım, model, araç, beceri ve oturum bileşenlerinin değiştirilmesine izin veriyor ve dört çalışma kipi sunuyor. Platform ayrıca V4 Pro’yu yabancı kapalı kaynak modellerle karşılaştırıyor; bu başarım karşılaştırması da kendi iddiası. Pekin Sosyal Bilimler Akademisi’nden Wang Peng, modelin ulusal hesaplama altyapısına bağlanmasının yerli sistemlerle uyumu güçlendirdiğini söylüyor. Bu yerleşim, geliştiricilere kod ve ağırlıkları indirmekten dağıtık çıkarım çalıştırmaya uzanan devlet bağlantılı bir yol açıyor; dağıtımı ticari model merkezlerinin ötesine taşıyor.[1]
Model zekâsından yazılım denetimine
DeepSeek’in Harness önizlemesi, dil modellerini dış yazılımları kullanabilen, kod çalıştırabilen ve karmaşık işleri tamamlayabilen eylemcilere dönüştürüyor. Geliştiriciler modüler bileşenleri değiştirebiliyor ve eylemcinin kararlarına doğrudan müdahale edebiliyor. Dört kip; genel işleri, birden çok uygulamaya yayılan komutları, deneysel özel araçları ve yalıtılmış sınamayı birbirinden ayırıyor. DeepSeek, daha önce Jane Street’te çalışan Cui Tianyu’yu mart 2026’da yeni Harness biriminin başına getirdi. South China Morning Post, bu tür araçların yapay zekâ sistemlerinde giderek önem kazanan bir katman olduğunu ve rekabeti eylemcinin gerçek yazılımlarla kurduğu bağlantının niteliğine kaydırdığını yazıyor. Bu değişim, açık bir sürümün ne sağlaması gerektiğini de genişletiyor. Qwen, Apache lisanslı ağırlıkları şimdiden dağıtıyor; Zhipu, kodlama ağırlıklarını inceleme sonrasında açacağını söylüyor; Ulusal Süperbilgisayar İnterneti ise V4 Pro ile Harness’ı yerli hesaplama kapasitesine bağlıyor. Çinli geliştiriciler bu sürümlerle model yeteneğinin yanında lisanslar, indirme yolları, hesaplama erişimi ve eylemci yürütmesi üzerinde yarışıyor. Zamanlamanın ortak olması, eşgüdümlü bir sanayi stratejisini kanıtlamıyor; ürünler birbirinden bağımsız, tanıtım odaklı çıkışlar da olabilir. Yine de her biri, model ağırlıklarını edinmekle modeli yazılım denetiminde kullanmak arasındaki ardışık bir engeli ele alıyor ve yığının kendisini rekabet alanına dönüştürüyor.[4], [1], [2], [3]
