DeepSeek, Z.ai ve Moonshot AI Çin’in Yapay Zekâ Hamlesini Nasıl Değiştiriyor?

DeepSeek, Z.ai ve Moonshot AI’ın önemi yalnızca üç Çinli kurucunun dikkat çeken yapay zekâ modelleri geliştirmiş olması değil. Liang Wenfeng, Tang Jie ve Yang Zhilin birlikte, öncü yapay zekâ rekabetinin ne anlama geldiğini genişletti: Artık bir model; yeteneğinin yanı sıra açıklığı, çıkarım maliyeti, geliştirici erişimi ve çalıştırılması için gereken hesaplama gücüyle de değerlendiriliyor.

Bu tablo, Çin’in Silikon Vadisi’ni kesin olarak geride bıraktığını kanıtlamıyor. Ancak pazarın artık yalnızca ABD şirketlerinin belirlediği bir alan olmadığını gösteriyor. Küresel beklentileri değiştirmek için bir modelin kapalı, son derece pahalı veya büyük bir Amerikan teknoloji şirketi tarafından desteklenmesi gerekmiyor.

Öncü yapay zekâya üç farklı yol

Liang Wenfeng: DeepSeek’in verimlilik odaklı meydan okuması

Liang Wenfeng, Zhejiang Üniversitesi’nde elektronik ve iletişim mühendisliği eğitimi aldı. Daha sonra yapay zekâ destekli niceliksel yatırım fonu High-Flyer’ı kurdu. 2023’te DeepSeek’i hayata geçirirken finans alanındaki matematiksel optimizasyon ve hesaplama verimliliği deneyimini temel model araştırmalarına taşıdı. 4144

DeepSeek-R1, Ocak 2025’te yayımlandı ve şirketin en önemli başarısı hâline geldi. İndirilebilir model ağırlıklarıyla sunulan akıl yürütme modeli, önde gelen kapalı sistemlere daha düşük maliyetli bir alternatif olarak konumlandırıldı. DeepSeek’in maliyet ve performans iddiaları, bağımsız değerlendirmelerin yerini tamamen tutmasa da yatırımcıların yapay zekâ eğitimi ve çıkarım ekonomisine bakışını değiştirecek kadar etkiliydi. 172226

Piyasa tepkisi olağanüstü büyüktü. Yatırımcılar, öncü yapay zekâ modellerinin sektörün varsaydığı kadar büyük ve sürekli büyüyen donanım bütçelerine ihtiyaç duyup duymadığını sorgularken Nvidia bir günde 593 milyar dolar piyasa değeri kaybetti. Satış dalgasının kısa süre içinde kısmen tersine dönmesi, olayı gelişmiş çiplere olan talebin ortadan kalkmasından çok beklentilerin hızla yeniden fiyatlanması olarak yorumlamayı gerektiriyor. 1718

Liang’ın yaklaşımı da farklı. Reuters’ın aktardığına göre Liang, DeepSeek’in önceliğini kısa vadeli kârı artırmaktan ziyade uzun vadeli yapay genel zekâya ulaşmak olarak tanımladı ve şirketin en gelişmiş modellerini açık tutmasının muhtemel olduğunu söyledi. 33 DeepSeek’in toplam finansmanı, şirket değerlemesi, halka arz planları ve Liang’ın kişisel serveti konusunda mevcut kanıtlar kesin bir hüküm vermek için yeterli değil.

Tang Jie: Z.ai’nin araştırmadan kurumsal kullanıma uzanan modeli

Tang Jie, Tsinghua Üniversitesi’nde bilgisayar bilimi profesörü; eski adı Zhipu AI olan Z.ai’nin kurucu ortağı ve baş bilim insanı. Şirket, 2019’da Pekin’de Tsinghua araştırmalarından ayrılarak kuruldu ve GLM model ailesini 2021’de yayımlamaya başladı. 4950

Z.ai’nin stratejisi DeepSeek’inkinden daha kurumsal bir yapıya sahip: Üniversite temelli araştırma, ticari hedefler ve kurumsal müşteri ihtiyaçları aynı çatı altında birleşiyor. GLM modelleri zaman içinde akıl yürütme, kodlama, araç kullanımı ve yapay zekâ ajanlarının yürütebildiği çok aşamalı iş akışlarına daha fazla odaklandı. ABD Yapay Zekâ Standartları ve İnovasyon Merkezi’nin raporuna göre GLM-5.2, 16 Haziran 2026’da açık ağırlıklı bir model olarak yayımlandı. 49

Tang, DeepSeek-R1’in ortaya çıkışının sohbet merkezli ilk dönemi geride bıraktığını; yapay zekâ ajanları geliştikçe kodlama ve akıl yürütmenin daha önemli hâle geleceğini savundu. 52 Z.ai’nin konumunu anlamak için bu yaklaşım önemli: Şirket yalnızca akıcı sohbet üreten sistemlerle değil, daha uzun görevleri tamamlayabilen ve yazılım araçlarıyla etkileşime girebilen modellerle rekabet etmeye çalışıyor.

Z.ai aynı zamanda özel araştırma laboratuvarından sermaye piyasalarında yer alan bir şirkete geçişi de gösteriyor. Raporlara göre şirket, 2025 ortasına kadar yaklaşık 1,25 milyar dolar fon topladı. ABD hükümetinin kamuya açık değerlendirmesi ise Z.ai’nin 8 Ocak 2026’da Hong Kong’da halka arzını tamamladığını belirtiyor. 4950 Şirketin piyasa değerine ilişkin kamuya açık tahminler birbirinden farklı; bu nedenle bunlar kesin veya birbirinin yerine kullanılabilecek rakamlar olarak görülmemeli. Tang’ın kişisel serveti konusunda da güvenilir kanıt bulunmuyor.

Yang Zhilin: Moonshot AI’ın uzun bağlam yatırımı

Yang Zhilin, Tsinghua Üniversitesi’nde eğitim aldı ve Carnegie Mellon Üniversitesi’nde doktora yaptı. Haberlerde, Moonshot AI’ı 2023’te Pekin’de kurmadan önce Google ve Meta’da araştırma deneyimi edindiği de aktarılıyor. 2712

Moonshot, ilk olarak uzun bağlamlı etkileşimle özdeşleşen Kimi sayesinde dikkat çekti. Kimi K3 modeli ise bu stratejiyi çok daha büyük ölçekli, açık ağırlıklı bir sisteme taşıdı. Kaynaklar modeli 2,8 trilyon parametreli, uzmanların karışımını kullanan ve 1 milyon tokene kadar bağlam penceresi sunan bir sistem olarak tanımlıyor. 15

K3’ün ağırlıkları, model Moonshot’ın ürünleri ve API’ı üzerinden kullanıma açıldıktan sonra yayımlandı. Böylece tüketiciye dönük sohbet hizmeti, daha geniş bir geliştirici platformu stratejisiyle birleştirildi. 2 Modelin ölçeği dikkat çekici olsa da parametre sayısı tek başına zekâyı, işletme maliyetini veya pratik faydayı kanıtlamaz. Bağımsız sıralamalar karşılaştırma yapmaya yardımcı olabilir; ancak sıralamalar değişkendir ve güvenilirlik, kodlama, güvenlik ve gerçek dünyadaki ajan görevleri için kapsamlı testlerin yerini tutmaz.

Moonshot’ın finansman rakamları da değişken. TechCrunch, Mayıs 2026’da yaklaşık 2 milyar dolarlık bir yatırım turunun şirketi 20 milyar dolar değerlemeye ulaştırdığını bildirdi. Daha sonraki haberlerde ise olası değerlemenin 30 milyar doların üzerine çıktığı ve Hong Kong’da halka arz hazırlıklarının yapıldığı aktarıldı. Bunlar denetlenmiş halka açık şirket değerleri değil, özel piyasa tahminleri. 41215 Yang’ın kişisel servetine ilişkin güvenilir kanıt da yeterli değil.

Bu neden basit bir ABD-Çin yarışı değil?

1. Yetenek artık maliyetle birlikte ölçülüyor

DeepSeek, verimli akıl yürütmeyi gündemin merkezine taşıdı. Z.ai kodlama, kurumsal kullanım ve ajanları öne çıkarıyor. Moonshot ise uzun bağlamı, çok büyük açık ağırlıklı modelleri ve ürün dağıtımını bir araya getiriyor. Yaklaşımları farklı olsa da üç şirket sektörü aynı soruya yöneltiyor: Geliştiriciler her bir eğitim veya çıkarım doları karşılığında ne kadar kullanışlı yetenek elde edebilir?

Karşılaştırma kusursuz değil. Açıklanan eğitim maliyetleri çoğu zaman şirketlerin kendi iddialarına dayanıyor; veri, mühendislik, donanıma erişim, değerlendirme ve dağıtım maliyetleri hesaplamaya dâhil edilmeyebiliyor. Yine de stratejik etki gerçek: DeepSeek, laboratuvarları ve yatırımcıları öncü model maliyet eğrisine ilişkin varsayımlarını yeniden düşünmeye zorladı. 1722

2. Açık ağırlıklar geliştiricilere daha fazla seçenek sunuyor

İndirilebilir model ağırlıkları, geliştiricilerin bir modeli kendi sunucularında çalıştırmasına, ince ayar yapmasına veya yalnızca özel bir API’a bağlı kalmadan ürünlerine entegre etmesine imkân verebilir. Bu durum DeepSeek, GLM ve Kimi’ye, şirketlerinin yurt dışındaki dağıtım olanakları sınırlı olsa bile küresel yazılım ekosistemlerine girme yolu açıyor.

Ancak “açık ağırlık” kavramı mutlaka “tamamen açık kaynak” anlamına gelmez. Ağırlıklar erişilebilir olabilirken eğitim verileri, veri işleme yöntemleri, eğitim kodu ve geliştirme sürecinin tamamı açıklanmayabilir. Bu ayrım; yeniden üretilebilirlik, lisanslama, güvenlik ve yönetişim açısından önem taşıyor.

3. Sarsıntı yapay zekâ laboratuvarlarının dışına taştı

DeepSeek’in Ocak 2025’teki çıkışı, daha yetenekli yapay zekânın otomatik olarak orantılı biçimde daha fazla üst düzey donanım gerektireceği varsayımını sarstığı için ABD teknoloji değerlemelerini etkiledi. Nvidia’nın bir günde yaşadığı kayıp, model düzeyindeki bir yeniliğin altyapı katmanını ne kadar hızlı etkileyebileceğini gösterdi. 1718

Moonshot’ın K3 modeli de benzer biçimde, ABD’nin en büyük laboratuvarlarıyla ilişkilendirilen ölçekte açık ağırlıklı bir modelin Çinli bir şirket tarafından yayımlanabileceği ihtimali nedeniyle dikkat çekti. Bu tepkiyi tamamlanmış bir teknolojik zaferin kanıtı olarak değil, mevcut varsayımlar üzerindeki baskının göstergesi olarak değerlendirmek daha doğru. 14

Bir sonraki dönemi belirleyebilecek kısıtlar

Üç şirket de önemli yapısal sorunlarla karşı karşıya.

• Hesaplama gücü ve donanım: İhracat kontrolleri ve en gelişmiş hızlandırıcılara sınırlı erişim, öncü model eğitimi ve sunumunu zorlaştırıyor. Verimlilik teknikleri farkı azaltabilir; ancak çip, enerji, ağ altyapısı, mühendislik yeteneği ve sermaye ihtiyacını ortadan kaldırmaz. 45
• Ticarileşme: Açık veya ucuz modeller hızla yayılabilirken bu modelleri geliştiren şirketlerin gelir elde etmesi zorlaşabilir. Teknik ilginin kalıcı kurumsal, API veya tüketici işlerine dönüşmesi gerekiyor.
• Kıyaslama belirsizliği: Dar kapsamlı ya da şirketlerin kendi açıkladığı bir kıyaslama başarısı; güvenilirlik, çok dilli kalite, kodlama performansı, güvenlik veya ajan dayanıklılığı hakkında tek başına kesin sonuç vermez. Üstünlük iddiaları bağımsız biçimde tekrarlanabilmeli.
• Güven ve yönetişim: Gizlilik, güvenlik, içerik kısıtlamaları ve jeopolitik incelemeler, teknik açıdan cazip bir modelin yurt dışında benimsenmesini sınırlayabilir.
• Sermaye piyasası baskısı: Z.ai’nin tamamlanan halka arzı, şirkete özel durumdaki DeepSeek’ten farklı bir finansman konumu sağlıyor. Moonshot’ın bildirilen halka arz hazırlıkları ise hâlâ geleceğe dönük bir plan niteliğinde. DeepSeek’in sahiplik yapısı ve halka arz planları güvenilir kamuya açık kaynaklarda daha belirsiz. 495015

Sonuç: Çin’in yapay zekâ rekabeti artık daha çoğulcu

Liang Wenfeng, Tang Jie ve Yang Zhilin tek bir Çin yapay zekâ stratejisini izlemiyor. Liang, DeepSeek’in kimliğini verimlilik ve uzun vadeli AGI araştırmaları üzerine kurdu. Tang, üniversiteden doğan temel model araştırmalarını kodlama, ajanlar ve halka açık şirket ölçeğiyle birleştiriyor. Yang ise uzun bağlam, devasa uzman karışımı sistemler ve açık geliştirici dağıtımı üzerine yatırım yapıyor.

Üçünün ortak başarısı, öncü yapay zekâyı daha çoğulcu hâle getirmek. Geliştiricilerin seçeneklerini artırdılar, kapalı model altyapısının ekonomisini sorgulattılar ve Çin’in ABD’nin sürekli gerisinde kalacağı varsayımını zayıflattılar.

Daha temkinli ve savunulabilir sonuç ise şu: Bu şirketler rekabet ortamını değiştirdi; ancak bu değişimin kalıcı olup olmayacağını hesaplama kısıtları, belirsiz kıyaslamalar, ticarileşme ve güven belirleyecek.