K2 Horizon Neden Sadece “Açık Ağırlık” Yayını Değil?

IFM (Institute of Foundation Models), Abu Dabi’deki Mohamed bin Zayed Yapay Zekâ Üniversitesi’ne (MBZUAI) bağlı araştırma kurumu, K2 Horizon adlı altı modellerden oluşan temel yapay zekâ ailesini 3 Eylül 2026’da tanıttı. Aile; 0,9B, 3,7B, 7B, 32B, 36B-A4B ve 375B-A23B parametreli modellerden oluşuyor. Modeller ve kod, Apache 2.0 lisansıyla yayımlandı. 29

Buradaki iddia, modellerin indirilebilir olmasından daha geniş kapsamlı: IFM, K2 Horizon ile model geliştirme sürecinin önemli bölümünü incelemeye ve yeniden üretmeye elverişli biçimde açtığını söylüyor.

K2 Horizon paketinde neler var?

IFM’ye göre her model için ön eğitimden başlayıp muhakeme ve ajan tabanlı son eğitim aşamalarına uzanan geliştirme yaşam döngüsüne ilişkin materyaller yayımlanıyor. Paket şunları içeriyor:

• eğitim verisi veya ayrıntılı veri oluşturma tarifleri;
• açık mimari ve uzman karışımı bileşimleri;
• eğitim kodu ve yapılandırmaları;
• ara kontrol noktaları ile ayrıntılı eğitim günlükleri;
• değerlendirme sonuçları;
• nihai model ağırlıkları. 9

Reuters’ın haberine göre pakette ağırlıklar, eğitim verileri, kod, yöntemler ve ara kontrol noktaları bulunuyor. Böylece araştırmacılar modelin geliştirme sürecini geriye doğru izleyip sonuçları yeniden üretmeyi deneyebiliyor. 2

Ancak önemli bir ayrıntı var: IFM, her eğitim veri kümesinin mutlaka doğrudan yeniden dağıtılacağını söylemiyor; eğitim verisi veya veri oluşturma tarifi sağlanacağını belirtiyor. Veri lisansları ya da yeniden dağıtım kısıtları bulunan durumlarda bu ayrım belirleyici olabilir. 9

“Açık ağırlık”tan farkı ne?

Açık ağırlıklı bir modelde geliştiriciler, modeli çalıştırmak veya uyarlamak için gereken öğrenilmiş parametrelere erişebilir. Fakat ağırlıklar tek başına modelin nasıl ortaya çıktığını tam olarak göstermez. Veri bileşimi, ön işleme tercihleri, eğitim kodu, çalışma yapılandırması, ara model durumları ve son eğitim yöntemleri çoğu zaman kapalı kalır.

K2 Horizon’ın yaklaşımı, IFM’nin açıklamasına göre bu ek katmanları da görünür kılmak. Bu durum bağımsız ekiplerin modelin nasıl geliştirildiğini incelemesine, eğitim aşamalarını yeniden üretmeyi denemesine, teknik iddiaları sınamasına ve çalışmayı başka araştırma ya da uygulama ihtiyaçları için uyarlamasına imkân verebilir. 29

IFM kurucusu Eric Xing’in yaklaşımıyla, açıklık başkalarının “veriyi görmesini, yöntemi izlemesini, sonucu yeniden üretmesini ve onu geliştirmesini” sağlamalı. 1

Açık ağırlık ve kapalı modellerle karşılaştırma

Burada tek bir etiketten ziyade açıklama düzeylerinin oluşturduğu bir yelpazeden söz etmek daha doğru.

• Açık ağırlık: Bir model indirilmeye sunulabilir; ancak kökeni ve tüm eğitim süreci hakkında sınırlı bilgi paylaşılmış olabilir. Reuters, IFM’nin yayınının yapay zekâ geliştirmede artan gizlilik eğilimine karşı bir duruş olarak konumlandığını bildirdi. 2
• K2 Horizon’ın “tam açık” yaklaşımı: IFM; ağırlıklara ek olarak veri veya veri oluşturma tarifleri, kod, yapılandırmalar, kontrol noktaları, günlükler ve değerlendirmeleri yayımladığını belirtiyor. 9
• Kapalı hizmet erişimi: Önde gelen özel modeller çoğunlukla tüm geliştirme yaşam döngüsü kamuya açılmadan, barındırılan ürünler veya API’ler aracılığıyla sunuluyor. Eldeki kaynaklar, belirli Çinli geliştiriciler, OpenAI ya da Anthropic için şirket bazında ayrıntılı bir karşılaştırmayı desteklemiyor.

Pratikteki temel fark doğrulama imkânı. Açık ağırlıklı bir modelin çıktıları test edilebilir; daha kapsamlı bir yayın ise o çıktıların arkasındaki geliştirme süreci hakkında araştırmacılara çok daha fazla inceleme malzemesi sunar.

Yeniden üretilebilirlik, denetim ve performans iddiası

Xing, Reuters’a IFM’nin amacının gerçekten açık bir model yayınının nasıl görünebileceğine dair bir referans noktası oluşturmak olduğunu söyledi. 2 Hedef, yalnızca nihai bir kontrol noktasına güvenmek değil, yeniden üretilebilir bilim için gerekli izleri sağlamaktır.

Bu şeffaflık araştırma dünyasının dışına da uzanabilir. Daha eksiksiz geliştirme materyalleri; politika yapıcılara, düzenleyicilere ve kamu yararı savunucularına model yetenekleri, yöntemleri ve riskleriyle ilgili iddiaları inceleyebilecekleri ek kanıtlar sağlayabilir. 2

IFM, açıklığın daha düşük yetenek anlamına gelmek zorunda olmadığını da savunuyor. Kurumun tanıtım materyallerinde K2 Horizon; muhakeme, matematik, kodlama, araç kullanımı ve ajan tabanlı görevlerde konumlandırılıyor. Bunlar bağımsız doğrulama değil, IFM’nin performans iddialarıdır. 19

Altı model, farklı çalışma ortamları

K2 Horizon ailesi, sınırlı donanıma sahip uç cihazlardan büyük uzman karışımı amiral gemisi modele kadar uzanıyor.

Model	IFM’nin belirttiği kullanım amacı
0,9B	Saatler ve akıllı gözlükler gibi giyilebilir ürünler dahil, kaynakları sınırlı uç cihazlar. 1
3,7B	Cihaz üzerinde ve telefon odaklı kullanım. 1
7B	Cihaz üzerinde çalışma; özellikle yazılım mühendisliği ve daha derin araştırma görevleri. 1
32B	Dizüstü bilgisayarlar, iş istasyonları ve kurum içi sunucular dahil yerel barındırma. 1
36B-A4B	Yerel ve kurum içi kurulumlar için seyrek (sparse) model. 19
375B-A23B	Zorlu muhakeme, araştırma, yazılım mühendisliği ve daha uzun soluklu ajan tabanlı işler için amiral gemisi model. 19

IFM, ortak mimari, arayüzler, araçlar ve yönlendirme yaklaşımının geliştiricilerin dağıtım iş akışını değiştirmeden küçük modellerden büyük modellere geçmesine yardımcı olmak üzere tasarlandığını belirtiyor. 1

BAE’nin yapay zekâ hedefleri açısından anlamı

Bu yayın, Birleşik Arap Emirlikleri’nin ileri yapay zekâ alanında daha güçlü bir rol üstlenme hedefiyle uyumlu. MBZUAI tarafından kurulan IFM için K2 Horizon; Abu Dabi dışındaki araştırmacı ve geliştiricilerin de kullanabilmesi hedeflenen, küresel ölçekte erişilebilir bir temel model ailesi sunuyor. 12

Bu yayının yapay zekâda açıklık için kalıcı bir standart haline gelip gelmeyeceği, materyallerin pratikte ne kadar kullanılabilir olduğuna ve dış ekiplerin çalışmayı ne ölçüde bağımsız biçimde yeniden üretip geliştirebildiğine bağlı olacak. Ancak K2 Horizon’ın önerisi açık: Yapay zekâda açıklık, bitmiş bir modeli indirebilmekten fazlası olmalı. 29