Yapay Zekada Bu Hafta: 22–29 Ekim 2026 Kurumsal Yapay Zeka Bülteni (#44)

22–29 Ekim 2026 haftasında kurumsal yapay zeka ekosistemi üç net mimari katmana ayrıştı: siber savunma ve yüksek güvenilirlikli kodlama için erişimi kısıtlı frontier (en gelişmiş) modeller, veri merkezinde kurum içi çalışmak üzere yayınlanan açık ağırlıklı MoE (Mixture of Experts) modelleri ve yaklaşık 1 GB belleğe sığan 2 milyar parametreli uç cihaz (edge) modelleri. Aynı yedi gün içinde OpenAI, ChatGPT Business aboneliklerine havuzlanmış API kredisi tanımlarken; Cohere, veri egemenliği talebini arkasına alarak 7 milyar Kanada dolarına kadar fon toplamayı hedefleyen Seri E yatırım turunun ilk kapanışını duyurdu.

Mühendislik liderleri, sistem mimarları ve satın alma ekipleri için bu duyuruları tek tek okumak büyük resmi gizler. Artık şirket genelindeki tüm iş yüklerini tek bir modele bağlamak yerine; veri sınıflandırması, birim token maliyeti ve lisans sınırlarına göre sınır bulut API’leri, kurum içi GPU sunucuları ve cihaz üzeri yerel modeller arasında akıllı yönlendirme yapmanız gerekiyor. Bu haftaki bültende 44. haftanın yedi kritik gelişmesini özetliyor ve her başlığı üretim ortamında uygulayacak ekipler için hazırladığımız yedi derinlemesine rehbere bağlıyoruz.

• Sınır modeller ve açık ağırlık ayrışması: Google’ın Gemini 4 Carbon modeli siber güvenlik ve kod denetiminde kısıtlı erişimle zirveye yerleşirken, Mistral Large 4 (~1 trilyon toplam, ~49B–52B aktif parametre) çoklu GPU kümelerine açık ağırlıklı sınır model kapasitesi taşıyor.
• Tek sunucu ve uç cihaz modelleri: NVIDIA Nemotron 3.5 Transcribe tek bir kurumsal GPU üzerinde üretime hazır Türkçe konuşma tanıma (ASR) sunarken, Liquid AI LFM3 çok modlu 2B modelleri dizüstü ve uç cihazlara indiriyor (yıllık 10 milyon ABD doları grup geliri lisans eşiğiyle).
• Bütçe ve yönetişim etkisi: ChatGPT Pro ve Business API kredileri doğru sahip (owner) eşleştirmesiyle aylık 500 ABD dolarına kadar prototipleme bütçesi açarken, Cohere’in Schwarz Group liderliğindeki yatırımı Egemen Yapay Zeka (Sovereign AI) mimarisini 2027 BT bütçelerinin merkezine yerleştiriyor.
• Türkçe RAG kalite kontrolü: EmbeddingGemma 2, Microsoft SynthDocQA ve Qwen BabelArena tablo yoğun PDF’lerin ve çok dilli bankacılık sorgularının standart vektör aramasını nerede kırdığını ölçmenizi sağlıyor.

Bu hafta yayınlanan üç açık ağırlıklı modelin hiçbirinin aynı sunucu çekmecesine talip olmadığına dikkat edin: LFM3 uç cihazda 1 GB RAM içinde, Nemotron 3.5 Transcribe tek bir 48–80 GB GPU üzerinde, Mistral Large 4 ise sekiz adet H200 GPU’luk büyük veri merkezi düğümünde yaşıyor.

Google’ın 28 Ekim’de tanıttığı Gemini 4 Carbon, Gemini 4 Argon tabanı üzerine yüksek doğruluklu muhakeme, karmaşık yazılım mühendisliği ve siber savunma görevleri için inşa edilmiş bir sınır model. Google’ın paylaştığı üretici verilerine göre Carbon; Artificial Analysis Intelligence Index v5.0 sıralamasında 59 puanla birinci sıraya yerleşiyor, SEC-bench Pro’da %88,2, ExploitGym’de %54,8 ve CWE-bench’te %71,0 skor üretiyor. Argon’a kıyasla iki kattan fazla güvenli kod ürettiği, desteksiz iddiaları yaklaşık yarıya indirdiği ve Gray Swan dolaylı prompt enjeksiyonu testinde %0,0 saldırı başarı oranı verdiği bildiriliyor.

Kurumsal planlama açısından iki kritik operasyonel kısıt bulunuyor. Birincisi, model henüz genel geliştirici anahtarlarına açık değil; ilk erişim siber savunma ekiplerinin bir bölümüne veriliyor, diğer güvenilir ortaklar ise Fairwind Programı üzerinden aşamalı olarak eklenecek. İkincisi, 1 milyon girdi tokeni için 2 ABD doları ve çıktı tokeni için 10 ABD doları olan tanıtım fiyatı (%95 önbellek indirimiyle), promosyon dönemi bittiğinde 4 / 20 ABD dolarına çıkarak ikiye katlanacak.

Şirketler için doğru mimari yaklaşım, Carbon gibi yüksek maliyetli sınır modelleri her rutin sohbet veya basit kod tamamlama isteğinde tüketmek yerine; kritik pull request güvenlik taramaları, zafiyet yaması doğrulaması ve dış kaynaklı doküman okuyan ajanlarda dolaylı prompt enjeksiyonu bariyeri olarak konumlandırmaktır. Ayrıntılı değerlendirmemizi Gemini 4 Carbon Kurumsal Rehberi yazımızda bulabilirsiniz.

Mistral AI, 6 Ekim’de önizlemeye açtığı amiral gemisi Mistral Large 4 (“Le Chonk”) modelinin açık ağırlıklarını 29 Ekim’de FP8 ve Blackwell odaklı NVFP4 formatlarıyla Hugging Face üzerinde yayınladı. Yaklaşık 1 trilyon toplam parametreye sahip model (aktif parametre sayısı Hugging Face teknik yazısında ~49B, Mistral dokümantasyonunda 52B olarak geçiyor); metin ve görsel girdisi, 1 milyon token bağlam penceresi ve Low/Medium/High muhakeme modlarıyla geliyor.

Verinin kurum ağından çıkmadığı bir mimari hedefleyen organizasyonlar için Mistral Large 4 büyük bir adım olsa da, iki detayı proje başında netleştirmek şarttır:

• Sunucu maliyeti ile API fiyatı arasındaki uçurum: Hugging Face üzerindeki referans FP8 vLLM örnek kurulumu (131.072 bağlam uzunluğunda) 8 adet NVIDIA H200 GPU kullanıyor. Buna karşılık Mistral API fiyatı 1M girdi tokeninde yalnızca 0,70 ABD doları (önbellekli 0,07 ABD doları) ve çıktıda 2,10 ABD doları. Düzenleyici kurallar verinin kurum içi kalmasını zorunlu kılmıyorsa veya 7/24 yüksek eşzamanlı trafiğiniz yoksa, önce API üzerinden Türkçe ve alan bazlı kaliteyi doğrulamak çok daha rasyoneldir.
• MaaS lisans sınırı: Mistral Ecosystem Open-Weight lisansı şirket içi kullanıma ve fine-tuning (ince ayar) yapmaya izin verir. İki koşul var: telif ve izin bildirimi korunmalı; kurum ya da bağlı şirketleri modeli MaaS olarak sunuyorsa, iç kullanım dışındaki ticari kullanım için ayrı lisans gerekir (gelir eşiği yoktur). Ayrıntılı karşılaştırma için Açık Ağırlıklı Model Lisansları Rehberimize bakabilirsiniz.

Donanım toplam sahip olma maliyeti (TCO) hesabını, Unsloth’un 233 GB’lık deneysel 1-bit quantization (nicemleme) sonuçlarını ve kıyaslama tablosu farklarını Mistral Large 4 Kurum İçi Mimari ve Lisans Rehberi içinde inceliyoruz.

Mistral trilyon parametre sınırına çıkarken, Liquid AI 27 Ekim’de tam tersi bir mühendislik noktasına odaklanan LFM3 ailesini duyurdu. 22 trilyon token ile ön eğitilen LFM3-1.7B-Base tabanından türetilen altı adet 2B sınıfı model; metin, görüntü/video, 18 dilde ses, omni ve karar (decision) görevlerini kapsıyor. 4-bit nicemleme ile yaklaşık 1 GB RAM kullanan aile, 256K metin bağlamını destekliyor ve llama.cpp, MLX ile vLLM üzerinden dizüstü bilgisayarlarda, telefonlarda, Raspberry Pi 5 kartlarında ve standart CPU sunucularında çalışabiliyor.

Kurumsal sahada 2B ölçekli yerel modeller, internet bağlantısının kesintili olduğu fabrika ve saha bakım tabletlerinde, büyük modellerin önünde milisaniyelik niyet yönlendiricisi (router) olarak veya yüksek hacimli JSON/form ayrıştırma kuyruklarında ciddi maliyet avantajı yaratır. Ancak kurumsal hukuk ve satın alma ekiplerinin PoC öncesinde mutlaka okuması gereken kritik bir madde var: LFM Open License v1.0 yalnızca yıllık 10 milyon ABD dolarının altındaki kuruluşlara ücretsiz ticari kullanım hakkı tanıyor ve bu eşik hesaplanırken ortak kontrol altındaki grup şirketlerinin (holding/bağlı ortaklık) gelirleri birlikte toplanıyor. Kullanım senaryolarını ve lisans kontrol listesini Kurumsal ve Uç Cihaz Senaryolarında Liquid AI LFM3 yazımızda detaylandırdık.

Çağrı merkezi, sesli müşteri doğrulama, kalite kontrol veya kurum içi toplantı analitiği yürüten Türkiye’deki şirketler için haftanın en doğrudan uygulanabilir açık ağırlıklı modeli, NVIDIA’nın 28 Ekim’de yayınladığı Nemotron 3.5 Transcribe (30B-A4B) oldu. Hibrit Mamba-2 + Transformer MoE mimarisi (toplam 34B, ses kodlayıcı dahil ~4,3B aktif parametre) sayesinde 1 saate kadar kesintisiz sesi tek geçişte işleyebiliyor ve ticari kullanıma uygun OpenMDW-1.1 lisansıyla sunuluyor.

Modelin en güçlü yanı erişilebilir donanım profili: FP8 formatında tek bir NVIDIA L40S 48GB GPU veya BF16 formatında tek bir A100 80GB üzerinde vLLM ve SGLang-Omni ile OpenAI uyumlu servis olarak ayağa kalkabiliyor. Bununla birlikte NVIDIA’nın dil tablosunu dikkatle okumak üretim hatalarını önler: Türkçe için konuşma tanıma (ASR) ve Türkçe–İngilizce kod değiştirme (code-switching) resmi olarak üretime hazır (production-ready) olarak işaretlenmişken (FLEURS %6,75 WER, CoVoST2 %19,27 WER; yaklaşık 4.200 saat yalnızca Türkçe ses), konuşma çevirisi ve çoklu konuşmacı ayrıştırma (diarization) Türkçe için desteklenen diller arasında işaretlenmemiştir. Dolayısıyla kurumsal çağrı kayıtlarında kanal ayırma veya harici diarization katmanı kurgulamanız gerekir. Mimari kurulum için Nemotron 3.5 Transcribe ile Türkçe Konuşma Tanıma Rehberi yazımıza geçebilirsiniz.

OpenAI’ın Yardım Merkezi ve Geliştirici Dokümantasyonu üzerinden 29 Ekim’de gündeme oturan yeni hakla birlikte, en az 7 gündür aktif ücretli ChatGPT Pro ve ChatGPT Business abonelikleri aylık yenilenen API kredisi talep edebiliyor. ChatGPT Business çalışma alanlarında Standart koltuk başına 20 ABD doları ve Premium koltuk başına 100 ABD doları havuzlanarak aylık 500 ABD doları üst sınıra (yıllık planda peşin 6.000 ABD dolarına) kadar Responses API, Agents, GPT-Live/Realtime ve yerleşik araçlarda kullanılabiliyor.

Ancak pek çok BT ekibi ilk gün kurulumda iki engele takılıyor: Bağlantıyı yapacak hesabın hem ChatGPT çalışma alanında hem de OpenAI API organizasyonunda tam olarak aynı e-posta adresiyle Sahip (Owner) rolünde olması şart (yalnızca Admin yetkisi yetmiyor). Ayrıca Enterprise ve Edu planları kapsam dışı, kullanılmayan aylık krediler dönem sonunda yanıyor ve bakiye bittiğinde otomatik yükleme (Auto Recharge) kapalıysa servis anında HTTP 429 credit_balance_exhausted hatası döndürüyor. Adım adım kurulum ve FinOps kontrol listesini ChatGPT Business ve Pro API Kredisi Rehberi içinde bulabilirsiniz.

Müşteriye açık canlı bir servisi yalnızca dönem sonunda sıfırlanan abonelik kredisine bağlamayın. Ay sonundaki tek bir trafik artışı, yedek bakiye veya ağ geçidi yönlendirmesi yoksa tüm akışı HTTP 429 hatalarıyla durdurur.

29 Ekim’de Cohere, 35,7 milyar Kanada doları değerleme üzerinden 7 milyar Kanada dolarına kadar fon toplamayı hedefleyen Seri E yatırım turunun ilk kapanışını duyurdu. Turun liderliğine dikkat edin: tüketici odaklı bir girişim sermayesi fonu değil; Lidl, Kaufland ve Avrupa bulut sağlayıcısı STACKIT / Schwarz Digits’in çatı grubu olan Schwarz Group şirketleri, Kanada Hükümeti, Bell Ventures ve NVIDIA yer alıyor. Tur, Cohere’in Avrupa egemen AI girişimi Aleph Alpha ile daha önce imzaladığı ve henüz tamamlanmayan birleşme anlaşmasının ardından geldi.

Bu tablo, Türkiye’de ve Avrupa’da regüle sektörlerle yürüttüğümüz mimari çalışmalardaki ana eğilimi doğruluyor: “Egemen Yapay Zeka (Sovereign AI)” artık soyut bir kavram değil, dört somut mühendislik gereksinimidir: veri yerleşimi (prompt ve indekslerin onaylı sınırlar içinde kalması), altyapı kontrolü, operasyonel yönetişim (PII maskeleme, RBAC, denetim izi) ve model taşınabilirliği (tek bir yurt dışı API sağlayıcısına kilitlenmeme). Genel bulut API’leri, özel bulut kurulumlarını ve RuneBox ile RuneGate gibi kurum içi / hibrit mimarileri Egemen Yapay Zeka (Sovereign AI) Nedir? rehberimizde karşılaştırıyoruz.

Ekim ayının teknik tarafını tamamlayan üç açık kaynaklı araç, kurumsal doküman asistanlarının (RAG) en yaygın kör noktasını görünür kıldı:

• Google EmbeddingGemma 2: 740M toplam (yalnızca metinde 270M) parametreli, Matryoshka boyut düşürme (768’den 128’e) ve 8.192 token bağlam sunan çok modlu embedding modeli. Kritik üretim uyarısı: modeli kesinlikle float16 ile çalıştırmayın; sayısal kararlılık için bfloat16 veya float32 zorunludur. Google modeli 6 Ekim’de yayımladı, teknik makalesini ise 27 Ekim’de paylaştı.
• Microsoft SynthDocQA: 100 sentetik PDF üzerinde 9.798 soruluk veri seti; soruların %40,4’ü tablolardan, %29,6’sı şekillerden ve %15,3’ü formlardan gelirken yalnızca %5,1’i düz metin bloklarına dayanıyor.
• Qwen BabelArena: Türkçe’nin orta kaynaklı (medium-resource) dil olarak yer aldığı 23 dilli kıyaslama seti ve 698 dokümanlık çok dilli bankacılık erişim derlemi (yalnızca test amaçlıdır; eğitim verisine karıştırılmamalıdır).

Beş soruluk toplantı demosunda kusursuz görünen bir doküman asistanı canlı ortamda finansal tablo satırlarını karıştırıyor veya sondan eklemeli Türkçe mevzuat maddelerini kaçırıyorsa, sorun çoğunlukla LLM’de değil ayrıştırma (parsing) ve değerlendirme hattındadır. Hibrit arama, alan odaklı embedding ve Vor-LateEmbed-TR-0.6B-v1 gibi geç etkileşimli (late-interaction) yeniden sıralayıcıları beş adımlı altın veri setiyle nasıl test edeceğinizi Türkçe RAG Sistemleri Nasıl Test Edilir? (Ekim 2026) ve RAG mı, Fine-Tuning mi? Kurumsal Karar Rehberi yazılarımızda adım adım anlatıyoruz.

44. haftanın duyuruları birlikte okunduğunda kazanan strateji açıktır: yapay zekayı tek bir tedarikçi sözleşmesi değil, iş yüküne göre yönlendirilen çok katmanlı bir portföy olarak yönetmek. Önümüzdeki 30 gün için ekipler bazında önerdiğimiz somut adımlar şunlardır:

1. BT ve FinOps Ekipleri (İlk Hafta): Mevcut ChatGPT Business çalışma alanlarını ve OpenAI API organizasyonlarını denetleyin. Sahip (owner) e-postalarını hizalayarak atıl API kredisini iç otomasyon prototipleri için devreye alın; bütçe alarmlarını ve hız sınırlarını ilk günden tanımlayın.
2. Ses ve Çağrı Merkezi Mühendisliği (7–21. Gün): Tek bir 48 GB GPU üzerinde FP8 formatındaki Nemotron 3.5 Transcribe modelini 50–100 anonimleştirilmiş gerçek Türkçe çağrı kaydında (8 kHz telefon sesi ve İngilizce ürün terimli cümleler dahil) harici kanal/konuşmacı ayrıştırma katmanıyla birlikte test edin.
3. RAG ve Veri Mühendisliği (7–30. Gün): En az %60’ı tablo, form, taranmış ek ve Türkçe alan terminolojisi içeren 100 soruluk kurum içi altın test seti oluşturun. Model değiştirmeden önce Recall@k ve kaynak sadakati (faithfulness) ölçümlerini CI sürecine bağlayın. Mühendislik ekiplerinizin bu kasları uygulamalı geliştirmesi için Kurumsal RAG Eğitimi ve Local LLM Eğitimi programlarımızı inceleyebilirsiniz.
4. Mimari, Güvenlik ve Hukuk (15–30. Gün): PoC öncesi açık ağırlık lisans kontrol listesi oluşturun (LFM3’ün 10 milyon dolarlık grup geliri sınırı ve Mistral Large 4’ün MaaS maddesini erken yakalayın) ve iş yüklerinizi Yapay Zeka Hazırlık Analizi (AI Readiness) çerçevesinde genel bulut, PII maskeli ağ geçidi ve kurum içi sunucular arasında haritalayın.

Tek bir model yerine yapay zeka pazarının üç katmana ayrışması öne çıktı: siber savunma ve karmaşık kodlama için kapalı sınır modeller (Gemini 4 Carbon), veri merkezinde çalışan büyük açık ağırlıklı MoE modeller (Mistral Large 4 ve Nemotron 3.5 Transcribe) ve uç cihazlar için 2B ölçekli küçük modeller (Liquid AI LFM3).

Evet, ancak donanım ve lisans profilleri çok farklıdır. Mistral Large 4 tam FP8 kurulumda 8x H200 sınıfı sunucu gerektirirken, Nemotron 3.5 Transcribe tek bir L40S 48GB veya A100 80GB GPU üzerinde çalışabilir; LFM3 ise ~1 GB 4-bit bellek kullanımıyla standart dizüstü veya uç cihazlarda çalışır ancak yıllık 10 milyon ABD doları grup geliri eşiğine sahiptir.

Uygun ücretli planlarda çalışma alanı ve API organizasyonu aynı sahip (owner) e-posta adresiyle eşleştirildiğinde, Business planında koltuk başına kredi havuzlanarak aylık en fazla 500 ABD dolarına kadar API kredisi talep edilebilir. Enterprise ve Edu planları kapsam dışıdır.

Türkçe çağrı merkezi ve toplantı analitiği olan ekipler Nemotron 3.5 Transcribe’ı, mevcut ChatGPT Business lisansı olan ekipler API kredi bağlantısını, kurumsal doküman asistanı işleten ekipler ise SynthDocQA ve BabelArena tabanlı Türkçe RAG değerlendirme hattını ilk 30 gün içinde devreye alabilir.