Çin’in açık ağırlıklı yapay zekâ modelleri ABD-Çin rekabetini nasıl değiştiriyor?

Çin’in yapay zekâ hamlesi artık yalnızca laboratuvarlarının önde gelen bir ABD modeline denk bir sistem geliştirip geliştiremeyeceğiyle ilgili değil. Asıl mücadele giderek dağıtım alanına kayıyor: Yeterince güçlü yapay zekâyı en düşük maliyetle en fazla geliştiriciye, şirkete ve kamu kurumuna kim ulaştıracak?

DeepSeek, Moonshot AI’ın Kimi’si ve Alibaba’nın Qwen’i, indirilebilir model ağırlıklarını bu rekabetin merkezine taşıdı. Stanford araştırmacılarının değerlendirmelerine göre Çin’in açık ağırlıklı modelleri, yetenek ve benimsenme açısından küresel rakipleriyle arasındaki farkı hızla kapattı; bazı alanlarda ise öne geçti. Alibaba’nın Qwen ailesi, Eylül 2025’te Hugging Face’te Meta’nın Llama ailesini geride bırakarak en çok indirilen büyük dil modeli ailesi oldu. 18

Bu tablo Washington için zor bir tercih yaratıyor. Çin menşeli modelleri kısıtlamak, hassas ortamlarda veri ve tedarik zinciri risklerini azaltabilir. Ancak kapsamlı bir yasak, açık geliştirme katmanını Çin’e bırakabilir ve kendi altyapısında model çalıştırmak isteyen kullanıcıların sahip olduğu şeffaflık ve kontrol avantajlarını ortadan kaldırabilir.

Açık ağırlık, tamamen açık kaynak demek değil

Açık ağırlıklı model, eğitilmiş parametrelerini indirilebilir hâle getirir. Böylece üçüncü taraflar tamamlanmış sistemi kendi donanımlarında çalıştırabilir veya uyarlayabilir. Kapalı bir modelde ise kullanıcılar genellikle sağlayıcının yönettiği uygulama ya da API üzerinden hizmet alır. 33

Ancak ağırlıkların yayımlanması şu unsurların da paylaşıldığı anlamına gelmez:

• Eğitimin özgün kaynak kodu
• Eğitim verileri ve bu verilerin kaynağı
• Eğitimi yeniden üretmeye yarayan ayrıntılı yöntem
• Eksiksiz değerlendirme sonuçları
• Sınırsız ticari kullanım veya yeniden dağıtım hakları
• Filtreleme, güvenlik ayarları ve geliştirme süreci hakkında şeffaf bilgi

Bu nedenle “açık” ifadesi her model ve sürüm için ayrı ayrı değerlendirilmelidir. Bir model indirilebilir olsa bile yeniden üretilmesi zor olabilir, kısıtlayıcı bir lisansa tabi olabilir veya davranışını şekillendiren eğitim verileri hakkında yeterli bilgi sunmayabilir. Tam anlamıyla açık kaynak yapay zekâ, kod, veriyle ilgili bilgiler ve sistemi inceleyip yeniden üretmek için gereken diğer bileşenlere daha kapsamlı erişim öngören daha güçlü bir standarttır. 41

Bu ayrım DeepSeek, Kimi ve Qwen karşılaştırmalarında özellikle önem taşıyor. Modellerin erişim biçimi, lisansları ve teknik açıklamaları sürümden sürüme değişebilir; kamuya açık haberler de bu değişiklikleri gecikmeli yansıtabilir.

Çin, yalnızca test puanlarıyla değil benimsenmeyle yarışıyor

Çinli laboratuvarlar rekabetçi performansı düşük fiyat, verimli çıkarım ve modelleri yerel olarak çalıştırabilme olanağıyla birleştirdi. Bu durum, girişimlere, araştırmacılara ve şirketlere pahalı ABD merkezli API’lere tamamen bağımlı kalmadan yapay zekâ kullanma seçeneği sunuyor. Politika araştırmaları ve haberler, düşük maliyetli modellerin kullanıcı çektiği, bu kullanıcıların araçlar ve türev modeller geliştirdiği, oluşan ekosistemin de yeni sürümlerin geliştirilmesini hızlandırdığı bir geri besleme döngüsüne işaret ediyor. 1720

Stratejik avantaj yalnızca bir sohbet botunu kaç kişinin kullandığıyla ölçülmüyor. Her yeni kurulum şu sonuçları doğurabilir:

• İnce ayarlanmış ve uzmanlaşmış türev modeller
• Geliştirici araçları ve entegrasyonlar
• Yeni testler, hata raporları ve kullanım deneyimi
• Belirli bir model ailesine yönelik teknik alışkanlık
• Ticari bağımlılıklar ve varsayılan teknik tercihler

Stanford’ın analizine göre Ağustos 2024-Ağustos 2025 döneminde Hugging Face indirmelerinin yüzde 17,1’ini Çinli açık model geliştiricileri oluşturdu. ABD’li geliştiricilerin payı ise yüzde 15,8’de kaldı. 18 Başka haberler de maliyetleri düşürmek isteyen ABD şirketlerinin Çin yapımı modellere yöneldiğini ortaya koydu. 31

Çin menşeli modeller dünyanın farklı yerlerinde yazılımlara, cihazlara, kamu hizmetlerine ve sanayi sistemlerine yerleşirse Pekin; teknik varsayılanlar, güncellemeler ve bu modellerin çevresindeki tedarik zincirleri üzerinde etki kazanabilir. Bu, potansiyel bir jeopolitik kaldıraçtır; ancak yerel olarak çalıştırılan her modelin güvenliği ihlal edilmiş olduğu anlamına gelmez.

“Çin yapımı yapay zekâ riski” tek bir başlık değil

Güvenlik tartışmasında birbirinden ayrılması gereken en az dört farklı konu var.

1. Barındırılan hizmetlerde veri erişimi

Kullanıcı bir Çin’de barındırılan hizmete istem, dosya veya kimlik bilgisi gönderdiğinde bu veriler kendi ortamından çıkar ve sağlayıcının yetki alanı ile yürürlükteki yasalara tabi olabilir. Savunma, sağlık, kritik altyapı, kamu ve şirket sırlarıyla ilgili veriler herhangi bir harici hizmete aktarılmadan önce resmî bir risk değerlendirmesinden geçirilmelidir.

Modeli kurum içinde çalıştırmak, bu belirli veri akışı sorununu değiştirebilir. Doğru yapılandırılmış bir altyapı, istemleri ve belgeleri kuruluşun ağı içinde tutabilir. Fakat model paketinin, sunucu yazılımının veya bağlı araçların güvenli olduğunu tek başına garanti etmez.

2. Sansür, önyargı ve model davranışı

Eğitim ve uyumlandırma süreçleri, bir modelde siyasi etkiler taşıyan reddetmelere, bilgi eksiltmelerine, belirli bir çerçevelemeye veya yanlış bilgilendirmeye yol açabilir. ABD Kongresi’ne bağlı bir komite, DeepSeek’in barındırılan ürününün Amerikalıların verilerini Çin’e aktardığını ve yanıtları manipüle ettiğini öne sürdü. Bunlar bir Kongre soruşturmasının bulgu ve iddialarıdır; indirilebilir her ağırlık dosyasında kötü amaçlı kod bulunduğunun kanıtı değildir. 2

Ayrıca barındırılan ürünün davranışı, aynı modelin yerel olarak çalıştırılan türevinden farklı olabilir. Modelin çevresindeki yazılım, sistem istemleri, moderasyon katmanı, bilgi getirme araçları ve güncelleme süreci çıktıları etkileyebilir.

3. Arka kapılar ve tedarik zinciri

İndirilen bir model paketi veya onu çalıştıran yazılım teorik olarak güvensiz yükleme kodu, zehirlenmiş davranışlar ya da gizli tetikleyiciler içerebilir. Ancak bir modelin menşe ülkesi tek başına arka kapı kanıtı değildir. Güvenlik ekiplerinin kaynak geçmişini, dosya özetlerini ve imzaları doğrulaması; ağ davranışını incelemesi; bileşenleri yalıtılmış ortamlarda çalıştırması ve tüm dağıtım yığınını test etmesi gerekir.

4. Kapalı modellerin kendi riskleri

Kapalı ve tescilli modeller de yoğunlaşma ve hesap verebilirlik açısından risk taşır. Kullanıcılar genellikle model ağırlıklarını, eğitim verilerini, gizli istemleri, telemetriyi, filtrelemeyi veya güncelleme sürecini inceleyemez. Merkezi API’ler gözetleme, kesinti, siber saldırı ve tek taraflı politika değişiklikleri açısından yüksek değerli hedefler hâline gelebilir.

Kapalı erişim, sağlayıcının kötüye kullanımı izlemesini, güvenlik değişikliklerini hızla uygulamasını ve kontrolsüz yeniden dağıtımı engellemesini kolaylaştırabilir. Ancak bir modeli yalnızca kapalı olduğu için güvenilir kabul etmek doğru değildir. Açık ve kapalı sistemler farklı riskler ve farklı kontrol biçimleri taşır.

Yerel barındırma neden geniş kapsamlı yasağa karşı en güçlü argüman?

Kendi sunucusunda model çalıştırmak, bir kuruluşun tehdit modeli üzerinde daha fazla kontrol sahibi olmasını sağlayabilir. Güvenlik ekibi belirli bir sürümü sabitleyebilir, dosyaları ve imzaları doğrulayabilir, dış bağlantıları kısıtlayabilir, bağımlılıkları tarayabilir, hizmeti yalıtabilir, kırmızı takım testleri yapabilir ve hassas istemleri kurum içi altyapıda tutabilir. Açık erişim ayrıca bağımsız araştırmacıların hataları yeniden üretmesine, önyargıları ve gizli tetikleyicileri incelemesine olanak tanıyabilir.

Bu şeffaflık değerlidir; fakat otomatik güvenlik sağlamaz. Çoğu kuruluş çok büyük bir modelin öğrenilmiş davranışını bütünüyle denetleyemez. İnce ayar yeni açıklar yaratabilir. İnternetten tamamen yalıtılmış bir kurulum da ancak sunucu yığınının tamamı doğru yapılandırılmışsa veri sızıntısını önler.

Pratik ders şudur: Değerlendirilmesi gereken yalnızca modelin etiketi değil, modelin nasıl dağıtıldığıdır. Çin’de barındırılan bir API, denetlenmiş yerel bir kurulum ve doğrulanmamış üçüncü taraf türevi aynı risk profilini taşımaz.

Damıtma tartışmanın merkezinde

Damıtma, daha küçük veya daha yeni bir “öğrenci” modelin, daha güçlü bir “öğretmen” modelden elde edilen bilgiler kullanılarak eğitilmesi yöntemidir.

• Kara kutu damıtma, çoğunlukla API sorgularıyla toplanan gözlemlenebilir çıktıları kullanır. İzinli olduğu sürece meşru bir yöntem olabilir; ancak yüksek hacimli veri çıkarımı hizmet şartlarını ihlal edebilir, güvenlik önlemlerini aşabilir veya tescilli davranışları kopyalayabilir.
• Beyaz kutu damıtma, ağırlıklar, logit’ler veya gizli durumlar gibi modelin iç bilgilerini kullanır. Yetenekleri daha verimli biçimde aktarabilir; ancak bu iç verilere erişim genellikle izin gerektirir. Yetkisiz edinim, güvenlik ve ticari sırlar bakımından daha doğrudan sorunlar doğurur.

OpenAI ve Anthropic, DeepSeek’in de aralarında bulunduğu Çinli şirketleri kendi modellerinin çıktılarıyla eğitim yapmakla suçladı. ABD-Çin Ekonomik ve Güvenlik İnceleme Komisyonu, sahte hesaplar, vekil hizmetler ve koordineli veri çıkarımıyla ilgili iddiaları aktardı. Reuters da OpenAI’ın DeepSeek’i ABD’nin öncü model yeteneklerinden “bedavacılıkla yararlanmaya” çalışmakla suçladığını bildirdi. Bunlar, mahkeme veya başka bir yargısal süreçte kesinleşmiş bulgular değil, iddia niteliğindeki açıklamalardır. 35

Politika açısından sorun, kara kutu veri çıkarımının meşru ve yüksek hacimli kullanımdan teknik olarak ayrılmasının zor olmasıdır. Buna karşılık kamuya açık bir kanıt sunmak, hassas soruşturma verilerinin açıklanmasını gerektirebilir. Bu nedenle her türlü damıtmayı yasa dışı saymak doğru olmaz; izinli damıtma, yapay zekâ geliştirmede standart bir tekniktir.

Silikon Vadisi ve Washington açısından sonuçlar

Çin’in açık ağırlıklı modelleri, pahalı ve tescilli API’ler üzerine kurulu ABD iş modelini baskı altına sokuyor. ABD’li şirketler, ağırlıkları kapalı tutmanın teknik üstünlüğü koruyup korumadığını veya geliştiricileri, entegrasyonları ve küresel dağıtımı Çin’e bırakıp bırakmadığını yeniden değerlendirmek zorunda.

Qwen’in Llama’yı indirme sayısında geride bırakması, açık model yarışının önemini gösteren somut işaretlerden biri. 18 Bununla birlikte mevcut kanıtlar, Nvidia veya Meta’nın DeepSeek V4 Pro ya da Kimi K3’e karşı belirli bir güncel adım attığını ortaya koymuyor. Şirket bazındaki tepkiler, geniş piyasa eğilimlerinden çıkarılmak yerine tarihli birincil açıklamalara dayandırılmalı.

Washington ise incelemeyi artırıyor. Temsilciler Meclisi komiteleri; DeepSeek, Alibaba ve Moonshot AI gibi şirketlerin geliştirdiği düşük maliyetli, açık ağırlıklı veya API üzerinden erişilebilen sistemlerin benimsenmesinden kaynaklanan ulusal güvenlik ve siber güvenlik riskleri hakkında ortak soruşturma başlattı. 14

ABD’nin Çinli yapay zekâ modellerine kapsamlı bir ticari yasak getirdiği ise mevcut kaynaklarla doğrulanmış değil. Haberler çeşitli kısıtlamaların tartışıldığını aktarıyor; ancak ortada yürürlüğe girmiş genel bir yasak bulunmuyor. 912

“Her şeyi yasakla” ile “hiçbir şey yapma” arasında seçenekler

Daha hedefli bir çerçeve şu adımları bir arada kullanabilir:

1. Yüksek riskli kullanımları kontrol etmek: Savunma, istihbarat, kritik altyapı, hassas kamu sistemleri ve yüksek etkili verileri işleyen ortamlarda denetlenmemiş modeller için izin şartı getirmek veya kullanımı yasaklamak.
2. Güvenli dağıtım standartları belirlemek: Hassas kurulumlarda kaynak geçmişi kayıtları, imzalı paketler, yazılım bileşen listeleri, bağımsız testler, kırmızı takım sonuçları ve ağ yalıtımı seçeneklerini zorunlu kılmak.
3. Barındırılan hizmetlerle yerel ağırlıkları ayırmak: Çin’de barındırılan bir API’nin veri erişimi riski, bağımsız olarak denetlenmiş ve yerel çalıştırılan bir model dosyasının riskinden farklıdır.
4. Yetkisiz veri çıkarımını engellemek: Hesap doğrulama, sorgu hızı takibi, kötüye kullanım tespiti, kaynak belirleme teknikleri ve sözleşme yaptırımlarını güçlendirmek; ancak tüm damıtma yöntemlerini hırsızlık olarak tanımlamamak.
5. Hedefli ihracat ve yatırım kontrolleri uygulamak: İleri çipler, üretim ekipmanları, bulut erişimi ve askerî ya da istihbarat amaçlı kullanımlarla güvenilir biçimde bağlantılı kuruluşlara odaklanmak. Aşırı geniş kısıtlamaların yerli Çin alternatiflerini hızlandırabileceğini de hesaba katmak.
6. ABD ve müttefiklerinin açık model ekosistemini kurmak: Güvenli ve iyi belgelenmiş modeller, çok dilli değerlendirme, verimli çıkarım ve dağıtım araçlarına yatırım yapmak. Rekabetçi bir alternatif, Çin’in benimsenme stratejisine yalnızca kullanıcı seçimini kısıtlamaktan daha doğrudan yanıt verir. 10

Sonuç

Çin’in açık ağırlıklı modelleri, güçlü yapay zekâ sistemlerini daha ucuza benimsemeyi ve özelleştirmeyi kolaylaştırdığı için yarışın kurallarını değiştiriyor. Bu modellerin stratejik önemi, yalnızca performans puanlarında değil, kurdukları ekosistemin ölçeğinde yatıyor.

Barındırılan hizmetler, hassas veriler, tedarik zincirinin bütünlüğü ve yetkisiz damıtma iddiaları ciddi güvenlik başlıkları. Ancak bir modelin menşe ülkesi tek başına güvenli olup olmadığını göstermez. Ağırlıkları kapalı olan ABD modelleri de otomatik olarak risksiz değildir.

En savunulabilir yaklaşım bu nedenle risk temelli olmalı: Tedarik zinciri güvence altına alınmalı, hassas kullanım alanları sınırlandırılmalı, model hırsızlığına ilişkin güvenilir kanıtlar soruşturulmalı ve ABD ile müttefiklerinin performans kadar dağıtımda da rekabet edebileceği bir açık model ekosistemi kurulmalı.