Moonshot AI’nin 16 Temmuz’da duyurduğu Kimi K3, şimdiye kadar yayımlanan en büyük açık ağırlıklı model olarak teknik özelliklerinden çok farklı bir tartışmayı yeniden alevlendirdi. Kurumlar için asıl soru artık yalnızca performans ya da kıyaslama sonuçları değil; bu tür bir modeli bugün seçmenin bir yıl sonra da aynı ölçüde sorunsuz olup olmayacağı. Özellikle ABD’de yeniden gündeme gelen düzenleyici yaklaşım, etkisini yalnızca yerel pazarda değil, küresel bulut sağlayıcıları üzerinden çok daha geniş bir alanda hissettirebilir.
Tartışmanın fitilini ateşleyen nokta, OpenAI’de stratejik gelecekler başkanı olan Dean W. Ball’un değerlendirmesi oldu. Ball, Kimi K3’ün performansını genel olarak olumlu bulduğunu ve modelin çıktılarının basit bir distillation süreciyle açıklanamayacağını belirtti. Bununla birlikte modelin “token hungry” göründüğünü, yani yoğun token tüketimi yaptığını vurguladı. Ayrıca K3’ün çalıştırma maliyetinin sanıldığı kadar düşük olmayabileceğine dikkat çekti. Model, çıkış anında yalnızca maksimum akıl yürütme ayarıyla sunuluyor ve çıktı fiyatlandırması 1 milyon token başına $15 seviyesinde.
Ball’un asıl dikkat çeken yorumu ise teknik değil, politik yöndeydi. Ona göre Trump yönetimi sonunda Çin menşeli açık ağırlıklı modellere doğrudan yasak getirmekten ziyade bunların etrafında düzenleyici risk oluşturmayı tercih edebilir. Federal satın alma kuralları, ihracat kara listeleri veya güvenlik uyarıları gibi araçlarla bu modellerin arka kapı barındırabileceği yönünde yumuşak bir çerçeve çizilmesi, özellikle regülasyona tabi şirketleri geri adım atmaya itebilir. Bu yaklaşımın hukuki bir yasaktan daha etkili olabileceği düşünülüyor; çünkü belirsizlik arttığında şirketler çoğu zaman kendi kendilerine geri çekiliyor.
Bu çıkış ABD içinde de sert tepki gördü. Başkan’ın Bilim ve Teknoloji Danışmanları Konseyi eş başkanı David Sacks, bunun bir düzenleyici ele geçirme stratejisinin itirafı mı yoksa öngörüsü mü olduğunun belirsiz olduğunu, ancak her iki durumda da düzenleyici belirsizliğin rekabet aracı olarak kullanılmasının kabul edilemez olduğunu söyledi. Yann LeCun ve Martin Casado da açık ve kapalı geliştirme modellerinin bir arada var olabileceğini savundu. Ball daha sonra açıklamasını yumuşatarak tavsiye değil öngörü sunduğunu ve açık ağırlıkların alanı zorunlu olarak yavaşlattığı iddiasından geri adım attığını belirtti.
Kişisel tartışmaların altında ise daha temel bir ticari denklem var. Kapalı model geliştiren laboratuvarlar, veri merkezi yatırımlarını gerekçelendirebilmek için token başına yüksek gelir üretmek zorunda. Daha ucuz açık ağırlıklı modeller ise yapay zekâ kullanımını azaltmadan bu gelir yapısını sıkıştırıyor. Üretim tarafındaki yönlendirme verileri de değişimi gösteriyor: Açık ağırlıklı modeller, Vercel’in haziran ayındaki üretim geçidinden geçen token’ların %29’unu oluşturdu. Bu oran nisan ayında yaklaşık dokuzda bir düzeyindeydi. Buna karşın harcama tarafındaki payları %4’ün altında kaldı. Başka bir deyişle kullanım hızla artarken gelir katkısı aynı ölçüde büyümüyor.
Baskının dikkat çekici yanı, bunun ABD merkezli ekosistemin içinden gelmesi. GitHub, Moonshot’ın Kimi K2.7 Code modelini 1 Temmuz’da Copilot model seçicisinde genel kullanıma açtı ve bunu Microsoft Azure üzerinde barındırdı. Ayrıca Microsoft’un K3’ü Azure’a eklemeyi değerlendirdiği ve bugün OpenAI ile Anthropic modellerinin yürüttüğü bazı Copilot özelliklerini bununla çalıştırıp çalıştıramayacağını incelediği bildiriliyor. Olası çıkarım tasarrufunun $600 milyon seviyesine ulaşabileceği konuşuluyor. Microsoft bu rakamı ya da hangi özelliklerin değerlendirildiğini doğrulamış değil; şimdilik bu bir dağıtım değil, değerlendirme süreci. Yine de şirketin iki büyük ABD’li frontier laboratuvarının en büyük müşterilerinden biri olması, alternatif maliyet hesabını daha önemli kılıyor.
Öte yandan güvenlik argümanı yalnızca ticari rekabetten ibaret değil. Açık ağırlıklı modellerin en güçlü risk tarafı, geri çağrılamamaları. Bir model indirildikten ve binlerce kurum içinde çalışmaya başladıktan sonra üretici ne yama geçebilir, ne erişimi iptal edebilir, ne de zorunlu bir düzeltme gönderebilir. Bu, barındırılan API tabanlı hizmetlerden belirgin biçimde farklı bir risk profili oluşturuyor. Ayrıca model davranışını denetlemek, kaynak kodu denetlemekten daha zor olabiliyor; bir fine-tune süreci, lisans incelemesiyle kolayca görülemeyecek önyargılar veya hata kipleri taşıyabiliyor.
Düzenlemeye tabi sektörler açısından eğitim verisinin kökeni ve içerik işleme biçimi gibi başlıklar da modelin hangi ülkede geliştirildiğinden bağımsız şekilde önemini koruyor. NIST’in daha önce DeepSeek’in açık modellerinde güvenlik açıkları tespit etmiş olması da bu tartışmayı somutlaştırıyor. Buna karşı çıkanlar ise riskin tamamen reddedilmesinden değil, orantılı bir politika yaklaşımından söz ediyor. Georgetown araştırmacısı Sam Bresnick, Çin’in ilerlemesini yavaşlatmak için açık modelleri yasaklamaktan çok Nvidia H200 satışlarını kesmenin daha etkili olabileceğini savunuyor. Bu yaklaşım, çıktıyı değil girdiyi hedef alıyor.
ABD’de şu aşamada masadaki olası adımlar da doğrudan yasaktan çok daha yumuşak araçlara işaret ediyor. Geçen yıl Ticaret Bakanlığı’nın Çinli AI laboratuvarlarını Entity List’e eklemeyi değerlendirdiği, NSA ile Office of the National Cyber Director’ın Çinli AI laboratuvarlarının tehditlerine dair bir uyarı yayımlamayı düşündüğü ve Beyaz Saray’ın Çin modellerini kullanan ABD şirketlerini ihlallerden sorumlu tutacak bir başkanlık emrini gündeme aldığı bildirildi. Ancak inovasyonu zayıflatma kaygısı taşıyan yetkililer bu adımları durdurdu. Şimdi güvenlik kanadı daha yüksek sesle konuşsa da yaklaşımın satın alma kuralları, Entity List tehdidi ve kamuoyu baskısı etrafında şekillendiği anlaşılıyor.
ABD dışındaki alıcılar için etkiler dolaylı ama gerçek. Amerikan regülasyonları doğrudan Malezya’daki bir bankayı ya da Endonezya’daki bir telekom operatörünü bağlamasa bile, bu şirketlerin büyük bölümü Kimi K3’e doğrudan Moonshot API’si yerine Azure, AWS veya Google Cloud üzerinden erişiyor. Washington, Çin açık ağırlıklı modellerini barındırmayı bu sağlayıcılar için yeterince rahatsız edici hale getirirse, model Virginia’daki katalogdan çıktığı anda Kuala Lumpur’daki katalogdan da sessizce kaybolabilir. Teorik çözüm kendi kopyasını tutmak olsa da K3’ü kendi bünyesinde çalıştırmak kolay değil. Moonshot, servis için 64 veya daha fazla hızlandırıcı öneriyor ve yalnızca ağırlıkların boyutu yaklaşık 1.4TB seviyesine ulaşıyor. Bu yüzden çoğu şirket için asıl mesele, modelin güvenli ya da izinli olup olmadığı değil; üzerine ürün inşa ettikleri modelin 12 ay sonra bulut kataloglarında kalıp kalmayacağı ve kalmazsa geçiş maliyetinin ne olacağı. Bugün yanıtlanması gereken satın alma sorusu tam olarak bu.
