HUMAIN-M3 ve egemen yapay zekâ için yeni oyun planı

Suudi Arabistan’ın HUMAIN-M3 modeli, egemen yapay zekâ stratejisindeki önemli bir değişimi özetliyor: Her ülkenin en ileri genel amaçlı modeli baştan sona kendi başına eğitmesi gerekmiyor. Bunun yerine güçlü bir açık ağırlıklı model temel alınabilir; ardından yerel dil verileriyle geliştirilebilir, seçilen altyapıda çalıştırılabilir ve ülkenin kendi güvenlik ile yönetişim şartlarına göre işletilebilir.

HUMAIN, MiniMax’ın M3 model ailesini başlangıç noktası olarak kullandı; bu temeli yerel Arapça içeriklerle ek eğitime tabi tuttu ve ortaya çıkan Arapça öncelikli modeli HUMAIN Node üzerinden sundu. 65 Bu yaklaşım, yapay zekâ egemenliğini modelin her bileşenini ilk kez geliştirmekten ziyade, modelin nasıl uyarlandığı, nerede çalıştığı, hangi verilerle geliştirildiği ve zaman içinde nasıl sürdürüldüğü üzerinde anlamlı kontrol sahibi olmak olarak tanımlıyor.

HUMAIN-M3 tam olarak ne sundu?

Kamu Yatırım Fonu (PIF) destekli HUMAIN, humain-m3 modelini 3 Eylül 2026’da duyurdu. Şirket, modelin HUMAIN tarafından sipariş edildiğini, MiniMax tarafından teslim edildiğini ve HUMAIN Node platformunda araştırma ön izlemesi olarak erişime açıldığını belirtti. Haberlerde model ağırlıklarının ileride açık erişime sunulmasının planlandığı bildiriliyor; ancak ön izleme aşamasında ağırlıklar indirilmeye açık değildi. 63

Model, MiniMax-M3 ailesinden gelen bir uzmanlar karışımı (Mixture-of-Experts, MoE) mimarisine dayanıyor. Toplamda 428 milyar parametre taşıyor; ancak her token işlenirken yaklaşık 23 milyar parametre etkinleşiyor. HUMAIN, modeli 1 trilyondan fazla yerel Arapça içerik tokeniyle ek eğitime tabi tuttuğunu söylüyor. 61

Amaç, genel modelin geniş yeteneklerini korurken Arapça anlama ve üretim kalitesini, yerel dil verisi ve kültürel bağlamla yükseltmek. Bu, genel amaçlı bir sisteme yalnızca çeviri katmanı eklemekten farklı bir yaklaşım. 211

Açık ağırlıklı temel neden egemen yapay zekânın maliyet hesabını değiştiriyor?

Üst düzey bir genel modeli sıfırdan eğitmek; devasa hesaplama kapasitesi, veri, uzman ekip ve zaman gerektiriyor. Açık ağırlıklı bir temel model ise başlangıç çizgisini değiştiriyor: Yerel bir işletmeci kaynaklarını temel yetenekleri yeniden kurmaya değil, devam eğitimi, değerlendirme, dağıtım ve yönetişime yöneltebiliyor.

MiniMax, M3’ü kodlama ve ajan tabanlı işler için açık ağırlıklı bir model olarak konumlandırıyor; API tarafında 1 milyon tokena kadar bağlam penceresi desteği sunuyor. 18 Böyle bir temel üzerinden ilerleyen ulusal programlar, genel modellerin görece zayıf kaldığı alanlara odaklanabilir: Arapça lehçeler, bölgesel bilgi, kamu ve kurum iş akışları ya da yerelleştirilmiş performans testleri gibi.

Buradaki stratejik kazanım, dış teknolojilere tamamen bağımsız hâle gelmek değil. HUMAIN-M3’ün kendisi de Çin merkezli bir model soyuna dayanıyor. Ancak yerel işletmecinin pratik kullanımı belirleyen katmanlarda daha fazla söz sahibi olmasını sağlıyor: Uzmanlaşmada kullanılacak veri, çıkarımın nerede yapılacağı, modelin nasıl güncelleneceği ve hangi kullanım alanlarına açılacağı.

Ölçüt sonuçları dikkat çekici, fakat henüz bağımsız kanıt değil

HUMAIN, yedi açık Arapça değerlendirme setindeki eşit ağırlıklı ortalama puanın %89,37 olduğunu; modelin beş testte ilk sırayı aldığını açıkladı. Şirketin verisine göre ortalama, MiniMax M3 referans modelinin 9,03 puan üzerinde. 12

Bu sonuçlar, Arapça odaklı devam eğitiminin seçilen testlerde performansı iyileştirebildiğine işaret ediyor. Yine de dikkatli yorumlanmalı. Yayımlanan toplam sonuç, HUMAIN’in kendi değerlendirme sürecinden çıktı ve haberlerin yayımlandığı tarihte kamuya açık OALL liderlik tablosuna gönderilmiş değildi. 3

Dolayısıyla bu skorlar, modelin gerçek dünyadaki güvenilirlik, güvenlik, maliyet ya da tüm Arapça görevlerdeki başarısında bağımsız biçimde üstün olduğunu tek başına kanıtlamıyor. Açık tekrarlanabilir testler, gerçek kullanım verileri, lehçeleri kapsayan değerlendirmeler ve yüksek riskli kullanım senaryolarındaki sonuçlar daha belirleyici olacak.

İndirilebilir ağırlıkların pratik değeri

Açık ağırlıklar, tek bir uzaktaki model sağlayıcısına bağımlılığı azaltabildiği için stratejik öneme sahip. CNAS’a göre ülkeler, tedarikçi bağımlılığından kaçınmanın pratik yolu olarak giderek daha fazla açık ağırlıklı modellere yöneliyor. Bu modeller indirilebilir, kurum içinde veya yerel altyapıda çalıştırılabilir, uyarlanabilir ve bazı senaryolarda daha düşük maliyetle dağıtılabilir. 38

Bir kamu kurumu ya da yerli işletmeci açısından bu durum şu tür denetim imkânları sağlayabilir:

• Veri yönetimi: Hassas iş yükleri, yabancı bir API yerine kontrollü veya yerel altyapıda tasarlanabilir.
• Dil uyarlaması: Ekipler, yerel Arapça çeşitleri ve kurumsal terminoloji için eğitime ve performans testlerine devam edebilir.
• Teknik tercih: İşletmeci kendi çıkarım yazılımını, donanım yapılandırmasını ve dağıtım mimarisini seçebilir.
• Süreklilik: Kullanılabilir bir model kontrol noktası, şartları, fiyatı, erişimi veya kullanılabilirliği değişebilecek haricî bir API’ye bütünüyle bağlı kalmaktan daha dayanıklı olabilir.

Bunlar otomatik güvenceler değil; operasyonel avantajlardır. Açık ağırlıklar da hesaplama gücü, siber güvenlik uygulamaları, model değerlendirme uzmanlığı, lisans incelemesi ve uzun vadeli bakım planı gerektirir.

Egemen yapay zekâ pazarı büyüyor

HUMAIN-M3 tekil bir örnek değil. CNAS, 2026 ortası itibarıyla 67 ülkede 184 devlet destekli egemen yapay zekâ projesi saydı; yalnızca 2026’nın ilk yarısında 41 yeni proje izlendi. Kurumun daha sonra güncellenen canlı endeksi ise 185 proje listeliyordu. 3433

CNAS, egemen yapay zekâ projelerini; ulusal stratejik çıkarlarla açıkça bağlantılı, devlet destekli ve yerel hesaplama, model veya veri ekosistemlerine kayda değer kamu yatırımı içeren girişimler olarak tanımlıyor. 33 Bu tanım önemli: Model sahibi olmak ya da modeli uyarlamak, egemenlik zincirinin yalnızca bir halkası. Veri merkezleri, GPU kümeleri, veri politikaları ve işletme kapasitesi de aynı derecede kritik.

Çinli geliştiriciler, güçlü modelleri API’lerin yanı sıra açık ağırlıklarla da sunmaları sayesinde bu pazarda etkili tedarikçiler hâline geliyor. CNAS, en az yedi Çinli geliştiricinin kodlama, muhakeme, çok modlu işleme ve ajan görevlerinde güçlü açık ağırlıklı sistemler sunduğunu bildirdi. 36

MiniMax M3, yalnızca MiniMax’ın kendi hizmeti üzerinden sunulmuyor. Artificial Analysis, modelin Nebius ve SambaNova dahil birden fazla API sağlayıcısı aracılığıyla erişilebilir olduğunu listeliyor. Bu da açık bir modelin alternatif altyapı sağlayıcıları üzerinden sunulabileceğini gösteriyor. 22

HUMAIN-M3’ün verdiği asıl mesaj

En önemli sonuç, tek bir ölçüt tablosunun kesin bir model lideri belirlediği fikri değil. Rekabetin birimi değişiyor.

Devletler giderek, yerel dil ihtiyaçlarına göre uyarlayabilecekleri, seçtikleri altyapıda çalıştırabilecekleri, kendi gerekliliklerine göre değerlendirebilecekleri ve uzun vadede sürdürebilecekleri yeniden kullanılabilir yapay zekâ varlıklarının müşterisi oluyor. Güçlü bir temel model hâlâ vazgeçilmez. Fakat açık ağırlık erişimi, donanım uyarlaması, güvenilir çıkarım seçenekleri, veri yönetişimi ve inandırıcı bir güncelleme planı da en az model puanları kadar belirleyici olabilir.

Bu nedenle HUMAIN-M3, tartışmayı ABD ve Çin laboratuvarları arasındaki basit bir model yarışının ötesine taşıyor. Yeni rekabet, yapay zekâ geleceği üzerinde daha fazla kontrol isteyen ülkeler için en uyarlanabilir, yönetilebilir ve operasyonel olarak kalıcı teknoloji yığınını kimin sağlayacağı üzerine kuruluyor.