Open Weight
Açık kaynak ile kapalı modeller arasındaki tartışmanın ortasında yeni bir kavram yükseliyor: Open Weight. Peki model ağırlıklarının açılması gerçekten ne anlama geliyor ve yapay zekâ ekosistemindeki güç dengelerini nasıl değiştiriyor?
Bir Yapay Zekâ Modeline Gerçekten Sahip Olabilir miyiz?
Bir yapay zekâ modelini kullandığımızda aslında neye sahibiz?
ChatGPT'ye bir soru sorduğumuzda, Claude'a bir belge yüklediğimizde veya Gemini'dan bir kod yazmasını istediğimizde kullandığımız model bizim bilgisayarımızda değildir. Model başka bir şirketin veri merkezinde çalışır. Biz ona internet üzerinden ulaşır, sorumuzu gönderir ve cevabı geri alırız.
Modeli göremeyiz.
Ağırlıklarını indiremez, kendi sunucumuza kuramaz, nasıl çalıştırılacağına tamamen kendimiz karar veremeyiz.
Bir gün sağlayıcı fiyatını değiştirebilir. Bir özelliği kaldırabilir. Modeli kullanabileceğimiz ülkeleri sınırlandırabilir. Kullanım politikasını değiştirebilir veya kullandığımız modeli tamamen kapatabilir.
Çünkü kullandığımız şey modele sahip olmak değil, modele erişim hakkıdır.
Fakat yapay zekâ dünyasının başka bir tarafı daha var.
Bugün Meta Llama, Mistral AI Mistral, Alibaba Group Qwen, DeepSeek DeepSeek, Google Gemma ve hatta OpenAI gpt-oss gibi modellerin ağırlıklarını indirmenize izin veriyor.
Modeli kendi bilgisayarınızda çalıştırabilirsiniz.
Kendi GPU sunucunuza kurabilirsiniz.
İnternete hiç bağlanmadan kullanabilirsiniz.
Modeli değiştirebilir, fine-tune edebilir ve bazı lisanslar altında üzerine ticari ürün bile geliştirebilirsiniz.
İlk bakışta bunun klasik yazılım dünyasındaki karşılığı açık kaynak gibi görünüyor:
Open source.
Fakat burada küçük ama önemli bir problem var.
Bir yapay zekâ modelinin ağırlıklarını indirebiliyor olmak, o modelin gerçekten açık olduğu anlamına gelmiyor.
Ve bizi son yılların en ilginç teknoloji tartışmalarından birine götüren soru tam olarak burada başlıyor:
Bir yapay zekâ modeli ne kadar açık olabilir?
Yazılımda Açıklık Daha Kolaydı
Open source kavramı yapay zekâdan çok daha eski.
Linux'un kaynak kodunu indirebilirsiniz. Nasıl çalıştığını inceleyebilir, değiştirebilir, yeniden derleyebilir ve lisansının izin verdiği koşullar altında dağıtabilirsiniz.
Çünkü geleneksel yazılımda programın davranışını büyük ölçüde kaynak kod belirler.
Yapay zekâ modellerinde ise durum farklıdır.
Bir büyük dil modelinin nasıl davrandığını yalnızca kaynak kod belirlemez.
Modelin davranışı, eğitim sırasında milyarlarca hatta trilyonlarca veri örneğinden öğrenilen çok büyük sayı dizilerinin içine gömülüdür.
Bunlara model weights, yani model ağırlıkları diyoruz.
Bir modeli eğitmeye başladığımızda bu ağırlıklar büyük ölçüde anlamsız sayılardır. Eğitim sırasında model tekrar tekrar tahmin yapar, hatalarını ölçer ve bu sayıları küçük miktarlarda değiştirir.
Milyarlarca kez tekrarlanan bu süreç sonunda ortaya devasa bir sayısal yapı çıkar.
Modelin dil bilgisi, kavramlar arasındaki ilişkiler, örüntüler ve öğrendiği temsil biçimleri artık bu ağırlıkların içine dağılmış durumdadır.
Bu yüzden modern yapay zekâda model ağırlıkları son derece değerlidir.
Bir şirket milyarlarca dolar harcayarak bir model eğitebilir.
Ama ağırlıkları yayımladığı anda başka biri bu eğitimi tekrar yapmak zorunda kalmadan ortaya çıkan modeli kullanabilir.
Open-weight devriminin ekonomik önemi tam olarak burada başlıyor.
Modeli eğitmenin maliyetini üretici üstleniyor, modeli çalıştırma hakkı ise dünyanın geri kalanına dağılıyor.
Fakat Model Sadece Ağırlıklardan Oluşmuyor
Burada kavramların birbirine karıştığı noktaya geliyoruz.
Bir yapay zekâ sistemini kabaca birkaç farklı katmana ayırabiliriz.
Modelin mimarisi vardır.
Eğitim kodu vardır.
Modelin eğitildiği veri vardır.
Eğitim sonunda ortaya çıkan ağırlıklar vardır.
Modeli çalıştıran inference kodu vardır.
Fine-tuning ve post-training süreçleri vardır.
Modelin nasıl kullanılabileceğini belirleyen lisans vardır.
Bir şirket bunların yalnızca bir bölümünü yayımlayabilir.
Örneğin ağırlıkları indirebilirsiniz ama modelin hangi verilerle eğitildiğini tam olarak bilmiyor olabilirsiniz.
Eğitim kodunun tamamı yayımlanmamış olabilir.
Verinin nasıl filtrelendiğini bilmiyor olabilirsiniz.
Post-training sürecinin bütün ayrıntılarına sahip olmayabilirsiniz.
Başka bir ifadeyle:
Elinizde ortaya çıkan ürün vardır ama fabrikanın tamamı yoktur.
İşte open-weight ile open source arasındaki temel ayrım burada ortaya çıkıyor.
Open-weight modelde modelin öğrenilmiş ağırlıkları erişilebilir durumdadır.
Gerçek anlamda open-source AI ise çok daha iddialı bir kavramdır.
Open Source Initiative 2024'te yayımladığı Open Source AI Definition 1.0'da yalnızca ağırlıkların yeterli olmadığını açık biçimde ortaya koydu. Tanıma göre bir AI sisteminin incelenebilmesi, değiştirilebilmesi ve yeniden üretilebilmesi için ağırlıkların yanında eğitim ve çalıştırma kodu ile eğitim verisine ilişkin yeterli bilginin de erişilebilir olması gerekiyor.
Dolayısıyla bugün piyasada "open source model" olarak adlandırılan birçok model için daha doğru ifade aslında:
Open weight.
Bu yalnızca terminolojik bir tartışma değil.
Çünkü bir model üzerinde ne kadar kontrol sahibi olduğumuzu anlamak için önce bize tam olarak neyin açıldığını bilmemiz gerekiyor.
Açıklığın Bir Anahtarı Yok, Bir Spektrumu Var
Bu nedenle AI dünyasını yalnızca "açık" ve "kapalı" diye ikiye ayırmak giderek anlamsız hale geliyor.
Bir ucunda tamamen kapalı modeller bulunuyor.
Model sağlayıcının altyapısında çalışıyor. Kullanıcı yalnızca bir uygulama veya API üzerinden erişiyor.
Diğer uçta ağırlıkları, kodu, eğitim metodolojisi ve veri hakkında kapsamlı bilgi yayımlanmış sistemler bulunuyor.
Arada ise çok geniş bir alan var.
Ağırlıkları açık ama lisansı kısıtlı modeller.
Ağırlıkları ve kodu açık ama eğitim verisi kapalı modeller.
Ticari kullanıma izin veren modeller.
Belirli büyüklüğün üzerindeki şirketlerden ayrıca lisans isteyen modeller.
Araştırmaya açık ama bazı kullanım alanlarına kapalı modeller.
Bu yüzden "Bu model açık mı?" sorusu aslında yeterli değil.
Daha doğru sorular şunlar:
Neyi indirebiliyorum?
Neyi değiştirebiliyorum?
Nerede çalıştırabiliyorum?
Ticari olarak kullanabiliyor muyum?
Ortaya çıkardığım türev modeli dağıtabiliyor muyum?
Modelin nasıl üretildiğini yeniden oluşturabilecek kadar bilgiye sahip miyim?
Bu sorulara verilen cevaplar modelin gerçek açıklık seviyesini belirliyor.
Llama: Açık Ama Ne Kadar Açık?
Bu tartışmanın en iyi örneklerinden biri Llama.
Meta Llama ailesinin ağırlıklarını geliştiricilere açarak open-weight ekosisteminin büyümesinde çok önemli bir rol oynadı.
Fakat Llama klasik anlamda bir open-source yazılım lisansına sahip değil.
Llama 4 lisansında örneğin ürün veya hizmetleri 700 milyondan fazla aylık aktif kullanıcıya sahip şirketlerin Meta'dan ayrıca lisans istemesi gerekiyor. Kullanım ayrıca Meta'nın Acceptable Use Policy'sine tabi.
Bu yüzden Llama'yı "open source" olarak tanımlamak uzun süredir tartışmalı.
Ağırlıkları erişilebilir.
Model kendi altyapınızda çalıştırılabilir.
Fine-tune edilebilir.
Üzerine ürün geliştirilebilir.
Ama kullanım hakları tamamen sınırsız değildir.
Bu ayrım küçük görünebilir.
Fakat dünyanın en büyük teknoloji şirketlerinden biriyseniz hiç de küçük değildir.
Ve tam da bu nedenle open-weight kavramı daha doğru bir tanım sunuyor.
Mistral: Avrupa'nın Açık Model Stratejisi
Avrupa tarafında Mistral AI farklı bir strateji izliyor.
Aralık 2025'te yayımlanan Mistral 3 ailesindeki modellerin tamamı Apache 2.0 lisansıyla yayımlandı. Buna 675 milyar toplam parametreye ve 41 milyar aktif parametreye sahip Mistral Large 3 de dahil.
Apache 2.0 oldukça izin verici bir lisans.
Kullanabilir, değiştirebilir, dağıtabilir ve ticari ürünlerin içine koyabilirsiniz.
Mistral'ın bütün modelleri aynı lisans modelini izlemiyor. Şirketin Haziran 2026 tarihli lisans açıklamasına göre açık modellerinin çoğu Apache 2.0 altında yayımlanırken bazı modeller değiştirilmiş MIT lisansı kullanıyor ve aylık geliri 20 milyon doların üzerindeki şirketlere ek ticari koşullar getiriyor.
Bu da bize önemli bir şeyi gösteriyor:
Bir şirketin "open model şirketi" olması, bütün modellerinin aynı derecede açık olduğu anlamına gelmiyor.
Her modelin lisansına ayrı ayrı bakmak gerekiyor.
Çin'in Open-Weight Hamlesi
Open-weight dünyasının belki de en ilginç gelişmesi ise Çin'den geliyor.
Nisan 2025'te yayımlanan Qwen3 ailesinde Alibaba Group sekiz farklı modeli Apache 2.0 lisansıyla open-weight olarak yayımladı.
Ailenin en büyük modeli Qwen3-235B-A22B, 235 milyar toplam parametreye sahipken her token için yalnızca 22 milyar parametreyi aktive eden bir Mixture-of-Experts mimarisi kullanıyordu. Aynı aile 0,6 milyar parametreye kadar inen modeller de içeriyordu.
Bu çeşitlilik önemli.
Çünkü open-weight modeller yalnızca dev veri merkezlerinde çalışan sistemler olmak zorunda değil.
Küçük modeller laptoplarda, workstation'larda, edge cihazlarda ve kurumların kendi sunucularında çalıştırılabiliyor.
Ardından DeepSeek geldi.
DeepSeek-R1'in kodu ve model ağırlıkları MIT lisansı altında yayımlandı ve ticari kullanım ile türev modeller oluşturulmasına izin verildi.
deepseek-ai
DeepSeek-V3 ise 671 milyar toplam parametreye sahip dev bir Mixture-of-Experts modeli olarak ağırlıklarını indirilebilir hale getirdi.
deepseek-aiBurada ortaya çıkan durum yalnızca teknolojik değil.
Jeopolitik.
Çünkü Çinli şirketler artık yalnızca kendi iç pazarları için AI modelleri geliştirmiyor.
Dünyanın geri kalanının üzerine ürün geliştirebileceği temel modeller yayımlıyorlar.
Bu, AI değer zincirinde Çin'in rolünü değiştiren önemli bir gelişme.
Google'ın İki Dünyası: Gemini ve Gemma
Google ise ilginç biçimde iki stratejiyi aynı anda yürütüyor.
Gemini modelleri kapalı ekosistemde ilerlerken Gemma ailesi indirilebilir modeller olarak geliştiriliyor.
Nisan 2026'da tanıtılan Gemma 4, Google'ın bugüne kadarki en gelişmiş açık model ailesi olarak konumlandırıldı. Google'a göre Gemma ailesi ilk sürümünden bu yana 400 milyondan fazla kez indirildi ve topluluk tarafından 100 binden fazla varyant üretildi. Gemma 4 Apache 2.0 lisansıyla yayımlandı.
Clement Farabet
Bu çift strateji aslında sektörün nereye gittiğini gösteriyor.
Şirketler artık "açık mı olalım, kapalı mı?" diye tek bir tercih yapmak zorunda değiller.
Aynı şirket frontier modellerini kapalı tutarken daha küçük veya farklı amaçlara yönelik modellerini açık yayımlayabiliyor.
Böylece hem kontrollü ticari servislerini koruyor hem de geliştirici ekosisteminin büyümesine katılıyor.
Ve Sonra OpenAI Geri Döndü
Open-weight dünyasının değişimini gösteren belki de en sembolik gelişme Ağustos 2025'te yaşandı.
Adında "Open" bulunan fakat yıllardır en gelişmiş modellerini kapalı servisler üzerinden sunan OpenAI iki yeni model yayımladı:
gpt-oss-120b ve gpt-oss-20b.
İki model de Apache 2.0 lisansı altında open-weight olarak yayımlandı.
Büyük model tek bir 80 GB GPU üzerinde çalışabilecek şekilde, küçük model ise yaklaşık 16 GB bellekli sistemlerde kullanılabilecek şekilde tasarlandı.
https://openai.com/index/introducing-gpt-oss
OpenAI kendi dokümantasyonunda bu modeller için özellikle "open-weight" ifadesini kullanıyor ve ağırlıkların açık olmasının çevredeki bütün altyapı veya araçların açık olduğu anlamına gelmediğini belirtiyor.
https://help.openai.com/en/articles/11870455-openai-open-weight-models-gpt-oss
Bu terminoloji önemli.
Çünkü sektör yavaş yavaş "open source AI" ile "open-weight AI" arasındaki farkı kabul etmeye başlıyor.
Ve belki daha önemlisi, open-weight artık yalnızca frontier modellerin gerisinde kalan küçük oyuncuların stratejisi değil.
Dünyanın en büyük AI laboratuvarlarının ürün portföyünün bir parçası haline geliyor.
Hugging Face: Modellerin GitHub'ı
Bütün bu ekosistemin büyümesinde başka bir şirketin rolü ise modellerin kendisini geliştirmekten farklı.
Hugging Face.
Hugging Face Hub bugün iki milyondan fazla model, 1,5 milyon dataset ve 1,5 milyon AI uygulamasına ev sahipliği yapıyor.
Llama'dan Qwen'e, DeepSeek'ten Gemma'ya kadar modeller burada dağıtılıyor, fine-tune edilmiş versiyonları paylaşılabiliyor ve geliştiriciler birbirlerinin çalışmalarının üzerine yeni modeller inşa edebiliyor.
GitHub kaynak kod için ne yaptıysa, Hugging Face giderek AI modelleri için benzer bir altyapı oluşturuyor.
Ama burada da aynı uyarı geçerli.
Hugging Face üzerinde bulunması bir modeli otomatik olarak open source yapmıyor.
Platform farklı lisanslara sahip modelleri barındırıyor ve model kartlarında hangi lisansın geçerli olduğunun belirtilmesine olanak sağlıyor.
Dolayısıyla model dosyasını indirebilmek ile o model üzerinde hangi haklara sahip olduğunuz iki farklı konu.
Şirketler Neden Milyarlarca Dolarlık Modellerini Dağıtıyor?
Burada doğal bir soru ortaya çıkıyor.
Bir modelin eğitimi yüz milyonlarca hatta milyarlarca dolara mal olabiliyorsa şirketler neden ortaya çıkan ağırlıkları ücretsiz yayımlıyor?
Cevap ilk bakışta göründüğü kadar hayırsever değil.
Open-weight aynı zamanda bir ekosistem stratejisi.
Bir model ne kadar fazla geliştirici tarafından kullanılırsa etrafında o kadar fazla araç oluşuyor.
Fine-tune edilmiş modeller ortaya çıkıyor.
Inference motorları optimize ediliyor.
Donanım üreticileri modeli desteklemeye başlıyor.
Cloud sağlayıcıları servis olarak sunuyor.
Üniversiteler üzerinde araştırma yapıyor.
Startup'lar ürünlerini modelin üzerine kuruyor.
Böylece model yalnızca bir teknoloji olmaktan çıkıp bir platforma dönüşüyor.
Bu strateji yazılım dünyasında yeni değil.
Android bunun örneklerinden biriydi.
Linux bunun çok daha büyük bir örneğiydi.
AI dünyasında benzer bir platform savaşı şimdi modeller üzerinden yaşanıyor.
Ve bu savaşın sonucu yalnızca hangi modelin benchmark'ta birkaç puan daha yüksek olduğuyla belirlenmeyecek.
Hangi modelin etrafında daha büyük bir ekosistem oluştuğu da en az modelin kendisi kadar önemli olacak.
Kurumlar İçin Open Weight Ne Değiştiriyor?
Open-weight modellerin belki de en somut etkisi şirketlerde ortaya çıkıyor.
Kapalı bir model kullanan kurum genellikle verisini API üzerinden model sağlayıcısına gönderir.
Kurumsal sözleşmeler, private endpoints ve veri saklama politikaları bu riski önemli ölçüde azaltabilir.
Ama mimari gerçek değişmez:
Model başkasının altyapısındadır.
Open-weight modelde ise başka bir seçenek ortaya çıkar.
Model şirketin kendi veri merkezinde çalışabilir.
Private cloud ortamına kurulabilir.
İnternete kapalı bir ağda çalıştırılabilir.
Veri modelin bulunduğu ortamdan hiç çıkmayabilir.
Model belirli bir sektör veya kurum için fine-tune edilebilir.
Inference katmanı kurum tarafından kontrol edilebilir.
Model sağlayıcısı fiyat değiştirdiğinde bütün sistemin ekonomisi bir gecede değişmek zorunda kalmaz.
Bu nedenle open-weight yalnızca geliştiriciler için bir özgürlük meselesi değildir.
Kurumsal mimari açısından yeni bir kontrol katmanıdır.
Fakat burada da önemli bir ayrım var.
Modeli indirebilmek, onu ekonomik biçimde çalıştırabileceğiniz anlamına gelmez.
Büyük modeller hâlâ GPU'lara, yüksek hızlı belleğe, depolamaya, inference yazılımlarına ve ciddi operasyonel uzmanlığa ihtiyaç duyuyor.
Başka bir şirketin API'sine bağımlılığı azaltırken bu kez NVIDIA, AMD, cloud sağlayıcıları, veri merkezi altyapısı ve enerji gibi başka katmanlara bağımlı hale gelebilirsiniz.
Bu bizi bir önceki Atlas yazısında tartıştığımız kavrama geri götürüyor.
Egemenlik bağımlılıkların tamamen ortadan kalkması değildir.
Egemenlik, kritik bağımlılıklar arasında hareket edebilme kapasitesidir.
Open Weight ve Egemen Yapay Zekâ
Open-weight modellerin jeopolitik önemi tam olarak burada ortaya çıkıyor.
Bir ülkenin kendi frontier modelini sıfırdan eğitmesi son derece pahalı olabilir.
Bunun için yalnızca araştırmacılar değil, binlerce GPU, veri merkezleri, enerji, büyük veri setleri ve çok ciddi sermaye gerekir.
Ama güçlü bir open-weight model mevcutsa denklem değişir.
Bir ülke modeli indirebilir.
Kendi altyapısında çalıştırabilir.
Kendi diline uyarlayabilir.
Kendi kamu verileriyle geliştirebilir.
Savunma, sağlık veya kamu sistemleri gibi hassas ortamlarda internetten tamamen bağımsız kullanabilir.
Başka bir ülkenin API servisinin erişim politikasına doğrudan bağlı olmadan AI kapasitesi geliştirebilir.
Bu, tam anlamıyla teknolojik bağımsızlık değildir.
Model hâlâ başka bir ülkede geliştirilmiş olabilir.
GPU başka ülkeden geliyor olabilir.
Yazılım stack'i başka şirketlere bağlı olabilir.
Ama ülkeye yeni bir şey kazandırır:
Seçenek.
Egemen Yapay Zekâ yazısında ulaştığımız kavramla söylersek:
Stratejik hareket alanı.
Open-weight modeller bu hareket alanını genişletiyor.
Bu nedenle open-weight tartışması yalnızca yazılım lisanslarıyla ilgili teknik bir tartışma değil.
AI çağındaki güç dağılımıyla ilgili bir tartışma.
Ama Açıklığın Bir Bedeli Var
Buraya kadar open-weight modellerin avantajlarından bahsettik.
Fakat aynı özelliklerin başka bir sonucu daha var.
Bir model ağırlıklarıyla birlikte yayımlandığında onu geri çağırmak neredeyse imkânsız hale geliyor.
Bir API sağlayıcısı modelindeki güvenlik açığını tespit ettiğinde sistemi güncelleyebilir.
Erişimi kısıtlayabilir.
Belirli kullanıcıları engelleyebilir.
Modeli tamamen kapatabilir.
Open-weight modelde ise dosya bir kez dünyanın farklı yerlerine indirildiğinde bu merkezi kontrol ortadan kalkar.
International AI Safety Report bu durumu open-weight modellerin temel risklerinden biri olarak tanımlıyor: yayımlanmış ağırlıkların bütün kopyalarını geri çekmenin veya tüm kullanıcıları güvenlik güncellemesine zorlamanın pratik bir yolu yok. Aynı erişim araştırmacıların hataları bulmasını kolaylaştırırken kötü niyetli aktörlerin güvenlik mekanizmalarını kaldırmasını veya modeli zararlı amaçlara fine-tune etmesini de kolaylaştırabilir.
OpenAI da gpt-oss modellerinin güvenlik değerlendirmesinde aynı probleme dikkat çekiyor.
Ağırlıklar yayımlandıktan sonra kararlı bir saldırgan modeli güvenlik reddetmelerini kaldıracak şekilde fine-tune edebilir ve model sağlayıcısının sonradan erişimi geri çekmesi mümkün değildir.
https://openai.com/index/gpt-oss-model-card
Dolayısıyla open-weight dünyasının temel paradokslarından biri ortaya çıkıyor:
Kontrol kullanıcıya geçtikçe üreticinin kontrolü azalıyor.
Bu geliştirici için özgürlük.
Kurum için egemenlik.
Araştırmacı için şeffaflık.
Ama aynı zamanda merkezi güvenlik mekanizmalarının zayıflaması anlamına gelebiliyor.
Bu nedenle geleceğin AI politikasındaki en zor sorulardan biri muhtemelen "modeller açık mı olmalı?" olmayacak.
Asıl soru şu olacak:
Hangi kapasitedeki modeller, ne kadar açık olmalı?
Regülasyon da Bu Ayrımı Görmeye Başladı
Avrupa Birliği'nin AI Act'i bu tartışmayı hukuk düzeyine taşıyan ilk büyük düzenlemelerden biri.
Genel amaçlı AI modellerine yönelik yükümlülükler 2 Ağustos 2025'te uygulanmaya başladı. Model sağlayıcılarının teknik dokümantasyon hazırlaması, telif politikası oluşturması ve eğitim içeriğine ilişkin bir özet yayımlaması gerekiyor.
Fakat ücretsiz ve open-source lisans altında yayımlanan, ağırlıkları ve model mimarisine ilişkin bilgileri erişilebilir olan modeller bazı dokümantasyon yükümlülüklerinden muaf tutulabiliyor.
Bu muafiyet sistemik risk taşıyan modeller için geçerli değil.
AI Act ayrıca 10^25 FLOP'un üzerinde eğitim compute'u kullanılan modeller için yüksek etkili kapasite varsayımı getiriyor.
Yani regülasyon dünyası da giderek aynı gerçekle karşılaşıyor:
Açıklık tek başına iyi veya kötü değil. Modelin kapasitesiyle birlikte değerlendirilmesi gereken bir özellik.
Asıl Soru: Modele Sahip miyiz?
Şimdi başladığımız soruya geri dönelim.
Bir open-weight modelin dosyalarını indirdiğimizde o modele gerçekten sahip oluyor muyuz?
Bir anlamda evet.
Modeli çalıştırmak için üreticinin API'sine ihtiyacımız yok.
Modelin ağırlıkları elimizde.
Kendi altyapımızda çalıştırabiliriz.
Üretici yarın servisini kapatsa bile elimizdeki kopya çalışmaya devam eder.
Ama başka bir anlamda cevap hâlâ hayır.
Modelin nasıl eğitildiğini tamamen bilmiyor olabiliriz.
Eğitim verisine sahip olmayabiliriz.
Modeli sıfırdan yeniden üretme kapasitemiz olmayabilir.
Çalıştırmak için başka şirketlerin GPU'larına ihtiyaç duyabiliriz.
Inference yazılımında başka açık kaynak projelere bağımlı olabiliriz.
Ve lisans bize bazı şeyleri yapma hakkı verirken bazılarını vermeyebilir.
Bu yüzden open-weight modeller bize mutlak bağımsızlık sağlamıyor.
Ama çok önemli bir şey sağlıyorlar:
Kontrolün bir bölümünü model üreticisinden kullanıcıya geri taşıyorlar.
Belki open-weight hareketinin gerçek önemi de burada.
Açık Modeller, Kapalı Bir Dünyada
Yapay zekâ endüstrisinin ilk büyük dönemi birkaç şirketin dev modeller geliştirdiği ve dünyanın geri kalanının bu modellere API üzerinden eriştiği bir yapıya doğru ilerliyordu.
Open-weight modeller bu mimariye alternatif bir yol açtı.
Bugün bir startup kendi modelini sıfırdan eğitmeden ürün geliştirebiliyor.
Bir banka modelini kendi veri merkezinde çalıştırabiliyor.
Bir araştırmacı milyarlarca dolarlık bir modelin ağırlıklarını inceleyebiliyor.
Bir ülke başka bir ülkenin AI servisine tamamen bağımlı olmadan kendi yapay zekâ altyapısını oluşturabiliyor.
Ve dünyanın farklı yerlerindeki geliştiriciler aynı temel modelin üzerine binlerce farklı sistem inşa edebiliyor.
Ama bu yeni özgürlük beraberinde yeni sorular getiriyor.
Modeli kim geliştirdi?
Hangi veriyle eğitti?
Hangi lisansla yayımladı?
Ne kadarını gerçekten açtı?
Güvenliğini kim sağlayacak?
Ve model kendi altyapımızda çalışıyor olsa bile onu mümkün kılan donanım, enerji ve teknoloji zincirinin ne kadarını kontrol ediyoruz?
Open weight bu soruların hepsini çözmüyor.
Fakat yapay zekâ çağının belki de en önemli sorularından birini yeniden sormamızı sağlıyor:
Zekâyı kullanmak ile zekâ üzerinde kontrol sahibi olmak aynı şey mi?
Bugün için cevap hayır.
Ama model ağırlıklarının açılması, bu ikisi arasındaki mesafeyi ilk kez ciddi biçimde küçültüyor.
Ve belki de open-weight modellerin gerçek devrimi, modelleri ücretsiz hale getirmeleri değil.
Yapay zekânın kontrolünün kimde olabileceğine dair oyunun kurallarını değiştirmeleri.
Yapay zekâ atlasında keşfetmeye devam edeceğiz. Bir sonraki yazıda görüşmek üzere.
How to Cite
Bedük, M. Seçkin. “Open Weight: Bir Yapay Zekâ Modeline Gerçekten Sahip Olabilir miyiz?” The Intelligence Atlas, 2026.
