11 Eylül 2026'da Gerçekte Ne Yayımlandı

Önce doğrudan cevap: Shanghai AI Laboratory, 11 ve 12 Eylül 2026'da Hugging Face üzerinde Atria Dawn Preview adlı bir model yayımladı, ardından 15 Eylül'de resmî bir duyuru yaptı. Bu, GLM-5.2 tabanı üzerine kurulmuş, 744 milyar parametreli bir uzmanlar karışımı modeli; 256K token'lık bir bağlam penceresine sahip ve MIT lisansıyla yayımlandı. MIT, var olan en serbest lisanslardan biridir ve lisans ücreti ödemeden ticari kullanıma ve kendi sunucularınızda barındırmaya izin verir.

Ancak bir işletme sahibinin dikkatini hak eden kısım ne boyut ne de lisans. Bu model, bir soruyu iki saniyede yanıtlayan bir sohbet botu olarak tasarlanmadı. Uzun soluklu işleri tamamlayan bir ajan olarak tasarlandı: okur, araçları kullanır, ardışık adımları yürütür ve inceleyebileceğiniz bir sonuçla geri döner. İkisi arasındaki fark, telefona cevap veren bir çalışan ile bir dosya teslim ettiğiniz ve bir hafta sonra raporla dönen bir çalışan arasındaki farktır.

"Uzun Vadeli Görevler" Neden Teknik Bir Dipnot Değil

Şirketlerin şimdiye kadar yapay zekâyla denediklerinin çoğu kısa soluklu: bir soru ve bir cevap, bir sayfanın özeti, taslağı hazırlanmış bir mesaj. Buradaki değer gerçek ama sınırlı, çünkü herhangi bir kuruluşun içindeki asıl iş birbirinden kopuk sorulardan oluşmaz. Zincirlerden oluşur: verileri topla, temizle, analizi çalıştır, çıktıyı gözden geçir, raporu yaz, son dosyayı hazırla.

Uzun vadeli işe yönelik modeller bu zincirin tamamını hedefler. Model kartı dört açık alan tanımlıyor: keşif ve kanıt toplama, yazılım ve uygulama geliştirme, belge ve veri dönüştürme ile güvenlik açıklarının analizi ve giderilmesi. Bu dört alan, bugün Suudi şirketlerinde koca ekiplerin zamanını tüketen el emeğine doğrudan dokunuyor.

Sorun şu ki bu kategoride vaat hâlâ teslimatın önünde gidiyor. İki saat boyunca gözetimsiz çalışan bir model hatalarını düzeltmek yerine biriktirir ve üçüncü adımdaki tek bir hata, sonrasındaki her şeyi değersiz kılar. Bu kategorideki performans rakamlarının olağan ihtiyatın iki katını hak etmesinin nedeni tam olarak budur.

Yayımlanan Rakamlar: Ne Söylüyorlar, Ne Söylemiyorlar

Laboratuvarın yayımladığı sonuçlar faydalı biçimde dengesiz ve bu dengesizliğin kendisi bilginin ta kendisi:

  • Araştırma ve soruşturma: DeepSearchQA'da 96,0 ve BrowseComp'ta 92,5; web'den bilgi toplamak ve düzenlemek için güçlü rakamlar.
  • Siber güvenlik: CyberGym'de 86,5; kartın en güçlü kalemi ve güvenlik açığı analizini kapsıyor.
  • Makine öğrenmesi görevleri: MLE-bench Lite'ta 86,2.
  • Araç kullanımı: BFCL v4'te 77,0; harici araçları çağırmada olağanüstü değil, yetkin.
  • Yazılım mühendisliği: SWE-bench Pro'da 59,6; bugün erişilebilen en güçlü kapalı modellerde bu değer 74,7.

Pratik sonuç açık: bu, kod yazma modeli olmadan önce bir araştırma, soruşturma ve güvenlik analizi modeli. Projelerinizde kod yazan bir asistan istiyorsanız karşılaştırma onun lehine değil.

Ve en önemli uyarı geçerliliğini koruyor: bunların hepsi üreticinin bildirdiği ve henüz bağımsız olarak yeniden üretilmemiş rakamlar. Bu, tek bir laboratuvara yöneltilmiş bir suçlama değil; piyasanın durumu bu. Bir model rakamlarını lansman günü yayımlar ve bağımsız doğrulama, gelirse, haftalar sonra gelir. Origami'de bir müşteri için herhangi bir modeli değerlendirirken uyguladığımız kural şu: yayımlanmış bir rakam kısa listede yer kazandırır, ama dağıtım kararında yer kazandıran tek şey kendi verileriniz ve kendi görevleriniz üzerinde yapılan bir testtir.

Çoğu Tartışmanın Atladığı Hesap: Çalıştırmanın Maliyeti

"Açık kaynak" ve "ücretsiz" tamamen farklı iki kelimedir ve aralarındaki mesafe donanımdır. Bu modelin tam hassasiyetli ağırlıkları 353 dosyaya yayılmış yaklaşık 1,5 terabayt, FP8 ile nicemlenmiş sürümü ise yaklaşık 756 gigabayt tutuyor. Bu, bir ofis sunucusuna indirilecek bir dosya değil. Yüksek bellekli GPU'lardan oluşan tam bir düğüm ve belirli güncel sürümlerde SGLang veya vLLM gibi özel bir sunum altyapısı gerektiren bir boyut.

Karar verici için önemli olan rakamlarla: bu boyutta bir modeli şirket içinde çalıştırmak, sabit aylık bütçeli bir altyapı projesidir, yazılım aboneliği değildir. Bu da onu özellikle iki durumda doğru seçim yapar:

  • Veriler dışarı çıkamadığında: sözleşmeler, hasta kayıtları, Kişisel Verilerin Korunması Kanunu kapsamındaki müşteri verileri veya kamu kurumlarının verileri. Burada kendi sunucunda barındırma bir lüks değil, bir şarttır.
  • Kullanım yoğun ve sürekli olduğunda: iyi tanımlanmış tek bir görevde ayda milyonlarca işlem; burada donanım maliyeti tüketime dayalı faturalamayı geçmeye başlar.

Geri kalan her durumda (ki bu, vakaların çoğu) barındırılan model API'leri daha ucuz, başlatması daha hızlı ve operasyonel olarak daha az riskli olmaya devam ediyor. Bu durumda açık ağırlıkların gerçek faydası onları çalıştıracak olmanız değil; varlıklarının size sağlayıcınızın fiyatlarına baskı yapan inandırıcı bir alternatif sunması ve bağımlı olduğunuz bir hizmeti aniden kaldırma kararına karşı sizi korumasıdır.

Söylenmesi Gereken Bir Kısıt

Model yalnızca metin kabul ediyor. Görüntü yok, taranmış PDF yok, ekran görüntüsü yok. Bu, özellikle Suudi bağlamında önemli bir sınırlama; çünkü şirketlerin otomatik olarak işlemek istediği belgelerin büyük bir kısmı (kâğıt faturalar, imzalı sözleşmeler, proje hakedişleri, bakım raporları) metin olarak değil görüntü olarak geliyor. Bu modeli bir belge arşivine yöneltmek, önce ayrı bir metin çıkarma aşamasına ihtiyaç duyacağınız anlamına geliyor ve bu da başlı başına bir alt proje.

Bu Haberle Gerçekte Ne Yapmalı

Bu sınıftaki bir modelin orta ölçekli bir Suudi şirketinde en yakın gerçekçi kullanımı bir ekibin yerini almak değil. Ona tanımlı bir çıktısı olan sıkıcı tek bir görev vermek: kod tabanının düzenli bir güvenlik incelemesi, tedarikçiler ve rakipler hakkında karşılaştırma tablosuna dönüştürülmüş yapılandırılmış bir araştırma ya da bir dizi metin belgesinin yapılandırılmış ve sorgulanabilir verilere dönüştürülmesi. Tek bir görev, net bir çıktı ve kimse buna göre harekete geçmeden önce sonucun insan tarafından incelenmesi.

Ve bu yıl kuruluşunuz için bir yapay zekâ planı hazırlıyorsanız, böyle bir sürümden çıkarılacak en faydalı ders modelin adı değil (model adları iki haftada bir değişiyor), sistemlerinizin modelin değiştirilebilir bir parça olacağı şekilde tasarlanması gerektiğidir: uygulamalarınızı sağlayıcıdan ayıran bir ara katman; böylece model değiştirmek bir çeyreklik bir proje değil, bir günlük bir karar olur.

Kaynaklar