Ne oldu?

WIRED yazarı Will Knight, Mostik adlı bir Rus girişiminin yapay zeka modellerini birbiriyle metin üretmeden konuşturan bir yöntem geliştirdiğini aktardı. Şirketin adı Rusçada "küçük köprü" anlamına geliyor ve yaklaşımı da tam olarak bu: iki model, çıktı üretmek yerine ağırlıklarındaki matematiksel değerler üzerinden etkileşiyor.

Pratikte anlamı şu: büyük bir modelin yetenekleri, küçük bir modele bugünkünden çok daha verimli biçimde aktarılabiliyor. Alışılmış yöntemde bir modelin metin çıktısı diğerine besleniyor; bu hem zaman hem para harcıyor. Mostik bu ara adımı atlıyor.

Gösterim: 753 milyar ile 4 milyar arasında bir köprü

Ekip yöntemi, zorluğuyla bilinen ARC-AGI 3 yarışmasının tepesine çıkan bir modelde kullandığını söylüyor ama ayrıntı vermiyor — yarışmayı kazanmak istedikleri için. Fikri göstermek üzere ise iki Çin kökenli açık ağırlıklı modeli köprülemişler:

  • GLM-5.2'nin en büyük sürümü — 753 milyar parametre.
  • Qwen-3.5'in 4 milyar parametreli, telefonda çalışabilen sürümü.
  • Ortaya çıkan melez sistemin maliyeti, tam GLM modelinin yirmide biri.
  • Başarımı ise iki modelin tam ortasında.

Neden önemli?

Mostik'in CEO'su Sasha Malysheva, dayanağı basit bir gözlemle anlatıyor: makine öğrenmesinde model topluluklarının tek tek modellerden daha iyi çalıştığı bilinen bir şey. Şirket içindeki şakayla söylersek, yapay zekanın geleceği domuzun ağırlığını tahmin etmeye benziyor — rastgele birkaç kişinin tahmini ortalandığında tek bir uzmanın tahmininden daha isabetli çıkıyor.

Malysheva bundan daha iddialı bir sonuç çıkarıyor: "Gelecekte tek parça bir model olacağını ya da modellerin yeteneklerinin ölçeklemeden geleceğini şahsen düşünmüyorum." Yöntem tutarsa açık ağırlıklı modellerin değeri artabilir; kapalı sınır modelleriyle rekabet etmeleri kolaylaşır.

Lovable'da teknik lider olan ve ekibi tanıyan Vladimir Arustamian, sınır modellerini biyoloji ya da fizik gibi alana özgü modellerle eşleştirmenin mümkün olması hâlinde çok daha fazla uzmanlaşmış model eğitileceğini söylüyor: "Bu ekip birkaç aydır bu işte ve benim yıllar sonrasında olacağını sandığım bir şeyi çalışır hâlde getirmiş."

Ne kadar doğrulanabilir?

Bu noktada dikkatli olmak gerekiyor. Ortada hakem denetiminden geçmiş bir yayın yok; ARC-AGI 3 sonucu için ayrıntı paylaşılmıyor ve tek somut gösterim iki modelli bir örnek. "Başarım tam ortada, maliyet yirmide bir" cümlesi etkileyici ama hangi görevlerde, hangi ölçütle ölçüldüğü belirtilmiyor.

Eski Google DeepMind bilgisayar bilimcisi Karl Tuyls, teknolojiye aşina biri olarak yöntemi şöyle özetliyor: "Büyük modelin tüm döngüyü yürütmesine gerek kalmadan büyük model kalitesine yaklaşabiliyorsunuz." Mostik'in baş bilim insanı, Cenevre Üniversitesi'nden 2010 Fields madalyalı Stanislav Smirnov ise işin zorluğunu itiraf ediyor: iki model arasında ortak zemin bulmak şaşırtıcı derecede güç, çünkü "henüz uygun bir matematiksel dil yok gibi görünüyor."

Sırada ne var?

Smirnov, daha derin bir matematiksel çözümlemenin modellerin nasıl çalıştığına ve bunun insan beyniyle ne kadar örtüştüğüne dair yeni şeyler gösterebileceğini düşünüyor. Şirket ARC-AGI 3 sonuçlarını yarışma bitene kadar paylaşmayacağını söylüyor; yöntemin bağımsız olarak sınanması da büyük ölçüde o noktaya kalmış durumda.