Orijinal Başlık: "Kimi K3 Büyük Çıkış: ABD-Çin Büyük Model Rekabetinde Ani Değişim?"
Orijinal Kaynak: Biteye

TL;DR

Eğer bir poker oyununda kimin kazanacağına dair bahis oynayacaksanız, oyunun başında aceleyle bahis yapmayın.

1. Başlangıç eli, ABD şu anda avantajlı. Öncü modeller, üst düzey çipler, dolar sermayesi, bulut platformları ve küresel yazılım giriş noktaları, ABD'nin en düzenli elini oluşturuyor. Eğer bugün hemen masayı açarsak, ABD'nin kazanma olasılığı daha yüksek.

2. Oyun çok hızlı değişiyor, avantaj zafer anlamına gelmez. Büyük modellerdeki liderlik penceresi, istikrarlı nesil farkından sürekli açılıp kapanan zaman farkına dönüşüyor. Kimi K3'ün bazı uzun menzilli kod değerlendirmelerinde kısmi bir geri dönüş yapması, Çin'in el okuma, el parçalama ve yeniden birleştirme hızının önemli ölçüde arttığını gösteriyor.

3. Hesaplama gücü fiş derinliğini belirler, algoritma fiş değerini yeniden etiketler. ABD, üst düzey çipler, HBM, bağlantı, CUDA ve süper büyük kümelerle daha fazla aynı anda bahis yapma ve tekrar tekrar deneme fırsatına sahip; Çin aynı sayıda yüksek değerli fişe sahip olamasa da, her bir fişin satın alma gücünü artırmaya çalışıyor.

4. ABD elini gizli tutuyor, Çin masayı genişletiyor. OpenAI ve Anthropic, yetenek avantajını tekrar tekrar ücretlendirilebilir bir "model kirasına" dönüştürmek istiyor; Çinli firmalar ise düşük fiyat, açık ağırlıklar ve yerel dağıtım karşılığında dağıtım hakları kazanarak, bulut hizmetleri, endüstriyel dağıtım ve geliştirme standartlarından oluşan bir "ekosistem kirası" için mücadele ediyor.

5. Token fiyatı sadece bahis miktarıdır, birim görev maliyeti ise potu temsil eder. Ucuz olmak, kesin zaferden çok uzaktır. Gerçek mücadele, aynı işi tamamlamanın sonunda ne kadar paraya mal olduğudur. ABD, başarısızlığı en maliyetli olan kritik görevleri korurken, Çin daha büyük sayıdaki sıradan görevlerin de pota girmeye hak kazanmasını sağlamaya çalışıyor.

6. Sermaye hem deneme hakkı satın alır hem de getiri geri sayımını başlatır. ABD'deki özel AI yatırım hacmi belirgin şekilde önde ve aynı anda daha fazla rotaya bahis yapabiliyor; Çin'deki sermaye daha dağınık ve daha çok büyük şirketlere, endüstriyel sermayeye ve politika gücüne bağımlı. Her iki taraf da sadece para yakmıyor, aynı zamanda gelecekten ödünç alınan zamanı da tüketiyor.

7. Çok sayıda senaryoya sahip olmak, elin hazır olduğu anlamına gelmez. Çin'in elinde gerçek kazanç ve kayıplar içeren iş el senaryoları eksik değil, ancak yalnızca işlemler, sözleşmeler, kalite kontrol ve ekipman çalıştırma sonuçları eğitime geri dönebilirse, endüstriyel ölçek model avantajına dönüşebilir.

8. Son olarak, geri çekilmeyi kontrol edebilen ve masayı devirecek değişkenlerden kaçabilen kazanır. İstihdam şokları, dolandırıcılıklar, gizlilik kazaları, Agent kontrolden çıkması, sermaye balonları, ablukaların tırmanması ve hatta AGI’nin erken gelmesi, bugünün en değerli fişlerini yeniden fiyatlandırabilir.

Giriş: Oyuncular Masaya Oturuyor, Texas Hold’em Başlıyor

Işık tavandan alçakça sarkıyor, yeşil çuha masa etrafındaki soğuk ışığı emiyor, geriye sadece fişler, iskambil kağıtları ve ilk kırpmayı reddeden iki çift göz kalıyor. Havada kahve, soğuk sigara, sunucu ısısı ve yeni basılmış paranın büyüleyici kokusu karışıyor. Bu, birinin geleceği rehin vermeye hazırlandığı kokuydu.

Krupiye başını eğip kartları karıştırıyor, parmakları temiz, hareketleri nazik. Zaman hep böyledir. Sana kartları dağıtır ama sorumluluğunu almaz.

AI masasında başlangıçta birçok kişi oturmuştu. Avrupa düzenleyici belgelerle gelmişti, Japonya ve Güney Kore çip tedarik zincirindeki pozisyonlarına sıkı sıkıya tutunuyordu, Orta Doğu enerji ve petrol sermayesini yığınlar halinde masaya koyuyordu. Ancak kör bahisler yükseldikçe, ön saflardaki modelleri, devasa kümeleri ve küresel giriş noktalarını turdan tura takip edebilenler, çoğunlukla sadece ABD ve Çin olarak kaldı.

ABD’nin önündeki fiş yığınları Manhattan silüeti gibi yükseliyor. OpenAI, Anthropic, Google ve Meta açıkça görünüyor, eşi benzeri yok; NVIDIA, bulut platformları, dolar sermayesi ve küresel yazılım giriş noktaları altta sağlam bir şekilde duruyor. Çin’in fişleri o kadar düzenli değil ama hızla kalınlaşıyor: DeepSeek, Qwen, Kimi, Zhipu, MiniMax, Jieyue ve arkalarındaki internet platformları, açık kaynak toplulukları, yerli çipler ve devasa uygulama pazarı, rakiplerin artık eski oranlarla rahatça bahis yapamayacağı kadar kalınlaştı.

Krupiye sessizce kartları açar ve üzerinde su bazlı parlak mürekkeple açıkça yazılıdır: Büyük Model.

ChatGPT çıktığında gerçekten etkileyiciydi, ancak başlangıçta kullanıcıların hayatına girişi belki de sadece daha akıllı bir Siri’ydi. İnsanlar ona şiir yazdırdı, hikayeler uydurttu, kuantum mekaniğini açıklattı ve ciddi bir yüzle söylediği saçmalıkların ekran görüntülerini alıp her yere paylaştı. Sadece birkaç yıl içinde, o sohbet kutusu fark edilmeden arama, programlama, ofis işleri, müşteri hizmetleri ve araştırma süreçlerine sızdı.

Gerçekten işi, daha doğrusu üretkenliği devralmaya başladı.

Birinci Bölüm: Ön Saflardaki Model Yetenekleri: Önce Kartlara Bak, Sonra El Yapıp Yapamayacağına

İster Texas Hold’em ister başka bir oyun olsun, çok basit bir gerçek vardır: Büyük kartlar çekmek kazanmak anlamına gelmez. Çünkü büyük kartlardan bir el oluşturmak hâlâ uzun ve zorlu bir yoldur.

Eldeki A ve K elbette etkileyici bir duruş sergiler, ancak flopla hiçbir bağlantıları yoksa, geçici olarak sadece bir A yüksek kartından ibarettirler. Tam tersine, gösterişsiz iki küçük kart, bir kez ortak kartlarla bağlantı kurduğunda, gizlice bir sıra oluşturarak avantaj sağlayabilir.

Büyük model işte bu eldeki başlangıç kartıdır.

1. Önce Kartlara Bakalım: ABD'nin Eli Büyük, Çin Ön Sıraya Yerleşti

Farklı Benchmarks'lar farklı yetenekleri ölçer ve doğrudan tek bir toplam puana dönüştürülemez. Ancak 17 Temmuz 2026 itibarıyla birkaç temel sıralama listesini bir araya getirdiğimizde, mevcut masanın genel şeklini hâlâ görebiliriz.

Büyük kartlar giderek artıyor, ancak henüz her şeyi domine eden bir kart yok.

Sadece en güçlü modellere bakarsak, ABD hâlâ daha büyük bir başlangıç eline sahip. Anthropic, OpenAI, Google, xAI ve Meta, genel akıl yürütme, kodlama, çok modlu ve Agent alanlarında sırayla öne geçebilen bir dizi öncü model kalesi oluşturuyor. ABD'nin avantajı, belirli bir şirketin şans eseri zirveye çıkması değil, öncü model arzının genel kalınlığıdır.

Ancak bugün yayınlanan Kimi K3, Çin'in en büyük el ile arasındaki mesafeyi önemli ölçüde kapattı. Üçüncü taraf Artificial Analysis, K3'e 57 puan vererek onu genel zeka sıralamasında 4. sıraya yerleştirdi; bu, Claude Fable 5'in yaklaşık 60 puanı ve GPT-5.6 Sol'un yaklaşık 59 puanı arasında sadece iki veya üç puanlık bir fark anlamına geliyor. Böylece Çin modeli, küresel genel yetenek sınırına yaklaşmaya başladı.

Kodlama ise K3'ün en iyi oynadığı karttır. Açık aynı grup testlerinde, K3'ün Program Bench puanı 77,8 olup, GPT-5.6 Sol'un 77,6 puanından biraz daha yüksektir; SWE Marathon puanı 42,0 olup, Sol'un 39,0 puanından yüksektir; Terminal-Bench 2.1'de ise 88,3 puanla Sol'un 88,8 puanına yakındır. Kullanıcıların kör seçim yaptığı Frontend Code Arena'da K3, 1679 puanla zirveye yerleşti ve yedi ön uç alt alanının altısında birinci oldu.

Bu nedenle kart dağılımı değişti. ABD hâlâ genel yetenek, genel kullanıcı deneyimi ve sistematik Agent yeteneklerinin sınırını elinde tutuyor, ancak Çin artık kodlama gibi yüksek değerli bir ortak kartta birkaç el kazanabiliyor.

Çin-ABD öncü modelleri arasındaki rekabet, kapsamlı bir takipten yerel karşılıklı üstünlüklere doğru evriliyor.

2. Oyunun Temposu: Nesil Farkı Zaman Farkına Dönüşüyor

Benchmark'lar hâlâ önemli, ancak giderek daha az önemli hale geliyor.

Kritik nokta şu: Benchmark'lar bize giderek yalnızca o masanın o anki donmuş bir karesini gösterebiliyor, ancak birkaç hafta sonra kimin listenin zirvesinde olacağını söylemekte zorlanıyor.

Model iterasyonları daha yavaşken, bir kez öne geçmek genellikle altı ay hatta daha uzun süreli bir nesil farkı anlamına geliyordu. O zamanlar, listede yüksek puan almak sadece güzel bir karneden ibaret değildi, aynı zamanda yeterince geniş bir teknolojik savunma hendeğini temsil ediyordu. Mart 2026'da, Stanford'un "2026 AI Index" raporu, ABD'nin önde gelen modellerinin 25 Arena Elo puanından daha dar bir aralığa sıkıştığını, Qwen ve DeepSeek'in de öncü bölgeye girdiğini gösterdi; 2025'ten bu yana, Çin ve ABD modelleri birçok kez yer değiştirdi ve Mart 2026 itibarıyla her iki tarafın en iyi modelleri arasındaki kamuya açık performans farkı yaklaşık %2,7 seviyesindeydi.

Bu nedenle, benchmark'lar kaybettiği şey ölçüm yeteneği değil, nihai sonucu tahmin etme yeteneğidir.

"Çin ve ABD'nin büyük modelleri arasında sadece üç ay fark var" söylemi, işte bu bağlamda ortaya çıktı. Bu aslında Çin'in her alanda ABD'nin tam üç ay gerisinde olduğu anlamına gelmiyor; daha ziyade, iki taraf arasındaki rekabetin nispeten istikrarlı bir "nesil farkından" sürekli açılıp kapanan bir "zaman farkına" dönüştüğünü gösteriyor. Moon's Dark Side (月之暗面), 12 Haziran'da kod odaklı model K2.7 Code'u piyasaya sürdükten sadece 35 gün sonra, 17 Temmuz'da amiral gemisi K3'ü tanıttı. Kod, matematik, çok modlu, Agent ve gerçek ürün deneyimi her biri kendi saatine göre ilerliyor; bazıları aylarla, bazıları ise sadece haftalarla ayrılıyor.

Takibi daha da hızlandıran bir diğer faktör ise distilasyon. Öğrenci modelin, öğretmen modelin parametrelerini görmesine gerek yoktur; sadece onun yanıtlarını, kod çözümlerini ve araç kullanma yöntemlerini yoğun bir şekilde öğrenerek, diğerinin halihazırda kat ettiği yolda, bazı karar verme yollarını daha hızlı kavrayabilir. Distilasyonun kendisi yaygın bir tekniktir; tartışma yalnızca, rakiplerin izinsiz olarak başka bir ticari modeli büyük ölçekte çağırıp çağırmadığı noktasında düğümleniyor.

Haziran 2026'da Anthropic, ABD senatörlerine bir mektup göndererek, Alibaba ve Qwen ekibiyle bağlantılı olduğu iddia edilen operatörlerin yaklaşık 25.000 sahte hesap aracılığıyla Claude ile yaklaşık 28,8 milyon etkileşimde bulunduğunu ve onun Agent muhakemesi, yazılım mühendisliği ve uzun vadeli görev yeteneklerini çıkarmaya çalıştığını iddia etti. İlgili iddialar Anthropic'e aittir ve yine de bağımsız soruşturma sonuçlarından ayrı olarak değerlendirilmelidir. Ancak en azından bir gerçeği ortaya koyuyor: ABD'nin öncü model şirketleri artık sadece parametreleri, çipleri ve eğitim kodlarını stratejik varlık olarak görmüyor; modelin ürettiği yanıtlar bile, yetenek sızıntısına yol açabilecek bir çıkış noktası olarak değerlendirilmeye başlandı.

Amerika Birleşik Devletleri hâlâ daha sık yeni kartlar oynuyor, ancak Çin'in kartları okuma, parçalama ve yeniden birleştirme hızı geçmişe göre çok daha hızlı. Zirve, kısa vadeli bir eylem yetkisine dönüştü ve artık otomatik olarak uzun vadeli bir zafer anlamına gelmiyor.

İkinci Bölüm: Kazanma Oranını Yeniden Hesaplamak: Hesaplama Gücü, Algoritmalar, Veriler ve Yetenekler Kartları Nasıl Değiştiriyor

Ağaç sakin olmak ister ama rüzgar durmaz; kart sakin olmak ister ama zihin durmaz.

Bir oyuncu açıkça daha iyi kartlara sahipken, çok az fişi, yetersiz bilgisi olabilir veya rakibinin aralığını anlayamayıp kaybedebilir; diğer oyuncu ise daha zayıf bir başlangıç yapıp, daha düşük bir maliyetle birkaç tur daha izleyerek kazanma oranını yavaş yavaş geri kazanabilir.

Hesaplama gücü, algoritmalar, veriler ve yetenekler, henüz gerçekleşmemiş bu kazanma oranını birlikte belirler. Bunlar, bir AI şirketinin kaç farklı yol deneyebileceğini, bir denemenin ne kadar pahalı olduğunu, deneyimin korunup korunamayacağını ve bir sonraki model güncellemesinden sonra tekrar masaya oturup oturamayacağını belirler.

1. Hesaplama Gücü: ABD En Yüksek Değeri Kontrol Ediyor, Çin Ekonomik Kullanılabilirlik İçin Mücadele Ediyor

Temel model olan bu başlangıç kartına kıyasla, hesaplama gücü ABD'nin elindeki gerçek altın fiştir. Kartlar kötüyse, bir sonraki ortak kartı bekleyebilirsiniz, ancak fişler tükenirse masada oturmaya devam etmek zorlaşır.

ABD, yüksek kaliteli AI hesaplama gücünün üretim hakkını elinde tutuyor: Nvidia hızlandırıcıları, bağlantıları ve yazılım yığınını tanımlıyor, TSMC ileri üretimi üstleniyor, Japon ve Koreli şirketler HBM tedarik ediyor ve bulut sağlayıcıları on binlerce çipi eğitim kümeleri halinde organize ediyor. Çipler, ağlar, depolama, güç kaynağı ve CUDA birbirine kenetlenmiş durumda; ön saflardaki rekabet artık tek bir kartın puanını karşılaştırmak değil, bir "AI fabrikasının" on binlerce çipi tek bir bütün halinde birleştirip birleştiremeyeceğine bakmak.

Çin, "yerli AI çipi var mı yok mu" eşiğini çoktan aştı. Huawei CloudMatrix, Ascend, Kunpeng, ağ ve yazılımı birleşik bir sistem halinde organize ediyor ve DeepSeek model eğitimi ve çıkarımı için kullanılıyor. Asıl aşılması gereken, "çalıştırabilmekten" "ekonomik ve pratik" olmaya geçiş: çipler yeterli tedarik edilmeli, istikrarlı bir şekilde bağlanmalı ve kolayca yönetilmeli; model geçişi kabul edilemez bir mühendislik maliyeti gerektirmemeli; on bin kartlık bir küme bir ay boyunca çalıştırıldığında, zamanın çoğu iletişim, arıza ve uyumluluk sorunları tarafından tüketilmemeli.

Etkili hesaplama gücü, çip sayısından daha dürüsttür. Teorik hesaplama gücü, bellek bant genişliği, düğüm iletişimi, yazılım operatörleri, arıza ve kullanım oranı gibi katman katman kayıplara uğrar. On bin kart kağıt üzerinde etkileyici görünür, ancak sürekli eğitim için gerçek yetenek, basit bir çarpma işleminden çok daha düşük olabilir. ABD'nin avantajı, çiplerin, HBM'nin, bağlantıların ve yazılımın aynı eğitim ihtiyacı etrafında birlikte optimize edilmiş olmasıdır; Çin'in zorluğu ise, her bir halka eklendiğinde, darboğazın hemen bir sonraki halkaya kayabilmesidir.

Çin, "ekonomik pratiklik" eşiğini aşamazsa, ABD fiş avantajını sürekli olarak model kazanma oranlarına yansıtabilir; aştığında ise ihracat kontrolleri maliyetleri artırsa da Çin'i masadan kaldırmak zorlaşır.

2. Algoritma ve Mühendislik: DeepSeek, Fiş Değerlerini Yeniden Etiketliyor

Texas Hold'em'de, daha fazla fişe sahip olmak elbette avantaj sağlar. Ancak rakibiniz, elinizdeki 10.000 değerindeki fişlerden iki sıfırı silebilirse, masadaki satın alma gücü yeniden hesaplanır.

Çin, işte böyle bir ustalık gerektiren hamle yaptı: DeepSeek.

DeepSeek-V3 teknik raporu, nadir görülen ayrıntılı bir hesap sunuyor: Son tam eğitim yaklaşık 2.788 milyon H800 GPU saati kullandı. Bu rakam, ön keşif, başarısız deneyler, donanım alımı ve altyapıyı içermiyor; bu nedenle "öncü modeli yalnızca yaklaşık 6 milyon dolara eğitmek" faturanın büyük kısmını atlıyor. Yine de sektörü sarsmayı başardı, çünkü birçok kişi tarafından bilinen eski bir oranı yırttı: Model yeteneği ile hesaplama yatırımı arasında sabit bir döviz kuru yoktur.

V3, MoE mimarisini kullanır; her token yalnızca belirli parametreleri etkinleştirir. Çok başlı potansiyel dikkat, önbelleği sıkıştırır; FP8 eğitimi, hesaplama ve iletişim maliyetlerini düşürür; yük dengeleme, uzman atıl kalmasını azaltır. R1, verimliliği eğitim sonrası aşamaya taşıdı: Matematik, kod gibi sonuçları doğrulanabilir görevlerde model, pekiştirmeli öğrenme yoluyla tekrar tekrar deneyerek, pahalı insan muhakeme örneklerini otomatik olarak belirlenebilir ödül sinyalleriyle değiştirir. Yani DeepSeek, sihirli bir şekilde daha fazla çip elde etmedi; çipleri daha verimli çalıştırmayı yeniden başardı.

ABD, yeni yollar keşfetmede hâlâ daha yetkin. Transformer, Scaling Law, RLHF ve çeşitli Agent çerçeveleri çoğunlukla ilk olarak ABD'li araştırma kurumları ve şirketleri tarafından öne sürüldü; daha derin sermaye havuzu, laboratuvarların aynı anda birden fazla doğrulanmamış yöne bahis yapmasına da olanak tanıyor. Çin'in geçmişte daha güçlü olduğu alanlar, yeniden üretim, sıkıştırma ve mühendislik optimizasyonuydu. DeepSeek'ten sonra bu sınır gevşemeye başladı: Çinli ekipler artık yalnızca başkalarının yollarını daha ucuza yapmakla kalmıyor, aynı zamanda sektörün maliyet beklentilerini yeniden yazabilecek yöntemler de öne sürüyor.

Ancak algoritma avantajı, donanımın yerini kalıcı olarak alamaz. Makaleler yayılır, öncü modeller de aynı teknikleri benimser; verimlilik artışı ayrıca daha fazla çağrıyı teşvik eder ve tasarruf edilen hesaplama gücü kısa sürede yeni talepler tarafından tüketilir. Oyuncu, bahislerini daha hassas kontrol etmeyi öğrenir, ancak kör bahisler de artmaya devam eder.

Bu nedenle, mühendislik verimliliğinin Çin için stratejik değeri, sınırlı hesaplama gücüyle deney sayısını artırmak, doğrulama döngülerini kısaltmak ve yerli donanımın olgunlaşması için zaman kazanmaktır.

3. Veri: Sonuç Odaklı Veriler Değer Kazanıyor ve ABD Şu Anda Önde

Profesyonel bir poker oyuncusu el değerlendirmesi yaparken, elbette sadece A mı yoksa K mı aldığını kaydetmez. Tam bir aksiyon kaydı tutar: Kim önce bahis koydu, turn turunda nasıl yükseltti, ortak kartlar nasıl değişti, rakip sonunda neyi açıkladı ve kendi tahmini nerede hatalıydı.

Verilerin modeller için anlamı tam olarak budur.

Erken dönem büyük modeller, dil, bilgi ve kodları çoğunlukla açık internetten öğrendi. ABD, İngilizce web sayfaları, GitHub, akademik yayınlar ve küresel dijital platformlar sayesinde öncü bir avantaj elde etti. Yüksek kaliteli açık kaynak verileri tekrar tekrar kullanıldıkça, gerçekten kıt olan şey artık sadece modelin daha önce görmediği metinler değil, aynı zamanda net sonuçlar içeren ve görev başarısını değerlendirebilen verilerdir.

Bir müşteri hizmetleri görüşmesinin değeri, yalnızca temsilcinin ne söylediğine değil, aynı zamanda sorunun çözülüp çözülmediğine de bağlıdır. Bir program kodunun değeri, yalnızca mantıklı görünüp görünmediğine değil, aynı zamanda değişiklikten sonra testi geçip geçmediğine de bağlıdır. Sonuçlara işaret etmeyen veriler çoğunlukla sadece gürültüdür.

2026'nın başlarında Alibaba, programlama ajanı Qoder için özel bir Qwen-Coder modeli eğitti ve gerçek yazılım görevlerini, ürün ortamlarını ve mühendislik ödüllerini eğitime dahil etti. Alibaba, yinelemeden sonra kodun çevrimiçi kalma oranının %3,85 arttığını, araç anomali oranının %61,5 düştüğünü ve token tüketiminin %14,5 azaldığını açıkladı. Rakamlar üreticiden geliyor ve hala harici doğrulama bekliyor, ancak profesyonel verilerin en pahalı kısmına işaret ediyor: o metin değil, metnin arkasındaki doğrulanabilir bir sonuç.

ABD daha geniş bir geri bildirim girişine sahip. ChatGPT, Claude, Gemini, GitHub ve ofis paketleri küresel tüketicileri, geliştiricileri ve işletmeleri birbirine bağlıyor. Model şirketleri, kullanıcıların yanıtları nerede düzelttiğini, geliştiricilerin hangi kodları sakladığını ve ajanın hangi adımda başarısız olduğunu gözlemleyebiliyor.

Çin'in fırsatı ise daha yoğun iş süreçlerinde yatıyor. ByteDance'ın kısa videoları ve reklamları, Meituan'ın yemek siparişi ve teslimatı, Alibaba'nın e-ticareti ve sipariş karşılama süreçleri, yeni enerji araçlarının otonom sürüşü, fabrikaların kalite kontrolü ve ekipman işletimi; her bir zincir gerçek kazanç ve kayıpları beraberinde getiriyor.

Çin'in gerçekten eksik olduğu şey, yüksek kaliteli, eksiksiz el kayıtlarıdır. Büyük miktarda endüstriyel veri hâlâ farklı şirketler, departmanlar ve yerel sistemler arasında bölünmüş durumda. Yalnızca görevler standartlaştırıldığında, sonuçlar doğrulanabildiğinde ve veriler uyumluluk koşulları altında akabildiğinde, iş izleri model varlıklarına dönüşebilir. Çok sayıda senaryo sadece ham madde anlamına gelir; "model yürütme, gerçek dünya geri bildirimi, sonuçların geri akışı" kısa döngüsünün oluşturulup oluşturulamayacağı, bir sonraki eğitim turunun besin mi yoksa sayılamayacak kadar eski bir kart destesi mi alacağını belirler.

4. Yetenek: Çin yetenek kaynağı, ABD ise yetenek güçlendiricisidir

Önceki turlarda, Çin ile ABD arasındaki rekabet her zaman teknoloji şirketlerinin sahneye çıkmasıyla şekilleniyor gibiydi. ABD tarafında OpenAI, Anthropic, Google, Meta; Çin tarafında ise DeepSeek, Zhipu, Moonshot AI, Alibaba, ByteDance vardı.

Teknoloji şirketleri modeller yayınlıyor, hesaplama gücü biriktiriyor, kullanıcılar için rekabet ediyor ve aynı zamanda kendi ülkelerini masada temsil ediyordu. Ancak şirketler, sonuçta büyük güç rekabetinin ticari dünyadaki taşıyıcılarıdır. Bir şirketin hangi eli okuyabileceğini, hangi rotaya bahis oynayabileceğini ve bir liderliği sürdürüp sürdüremeyeceğini gerçekten belirleyen şey, hâlâ organizasyonun arkasındaki yeteneklerdir.

Yetenekler, yeni mimariler öneren araştırmacılar, eğitim sistemleri kuran mühendisler veya modelleri pazara sunan ürün ekipleri olabilir. Kapsamı biraz genişletirsek, tüm büyük model ekosistemi için sürekli olarak yeni insanlar yetiştiren ve besleyen üniversiteler, laboratuvarlar ve yarışma sistemleri de dahil edilebilir.

Büyük modellerin başarısı genellikle bir bilim insanının anlık bir ilhamı olarak anlatılır; bu, tanrılaştırma eğilimi taşıyan bir yanılgıdır. Tıpkı profesyonel pokerin bir kişinin masada oturmasıyla oynanmasına rağmen, en iyi oyuncuların arkasında koçlar, Solver'lar, el veritabanları, fiziksel kondisyon yönetimi ve uzun vadeli sermaye yönetimi olması gibi. Gerçekten istikrarlı bir avantaj ve üstünlük, yalnızca bir defalık bir deha hamlesinden değil, sürekli bir geri bildirim ve hata düzeltme sisteminden gelir.

AI şirketleri de böyledir. En iyi araştırmacılar, bir rotanın bahse değer olup olmadığına karar verebilir, ancak arkalarındaki yüzlerce sistem mühendisi, hesaplama kayıplarını ve arızaları yönetmeye, tesadüfi bir başarıyı tekrarlanabilir bir eğitim ve ürün haline getirmeye yatırım yapar.

Büyük güçler arasındaki yetenek rekabeti, özünde kimin oturmaya değer daha iyi bir masa sunabileceğini karşılaştırmaktır. En iyi araştırmacılar, daha yüksek maaş, daha derin hesaplama gücü, daha güçlü ekip arkadaşları, daha önemli sorunlar ve başarısızlığa daha fazla izin veren yerleri seçer. ABD'nin küresel yetenekleri uzun süredir çekmesinin nedeni tam da bu "masa seçme hakkı"dır.

Bu tablonun en tuhaf yanı şu: Çin'de yetenek yok değil. Tam tersine, Çin şimdiden küresel AI yeteneklerinin en önemli kaynaklarından biri haline geldi. Sorun şu ki, birçok yetenek erken eğitimlerini tamamladıktan sonra sonunda ABD'nin güçlendiricisine bağlanıyor.

ABD'nin büyük model avantajı, kapalı bir sistemin kendi kendine yeterliliğinin bir sonucu değildir. Daha çok dev bir küresel yetenek santrifüjü gibidir: Çin, Hindistan, Avrupa ve dünyanın her yerinden en zeki gençleri ABD doktora sistemine çeker, Stanford, MIT, Berkeley, CMU'nun en iyi laboratuvarlarına gönderir ve son olarak OpenAI, Anthropic, Google DeepMind, Meta, Microsoft, NVIDIA gibi şirketlere aktarır.

Üniversiteler hâlâ yöntem, tez ve yetenek sağlıyor, ancak yöntemleri binlerce kümeden oluşan kümeler, küresel ürünler ve ticari gelirler haline getirebilecek asıl aktörler giderek daha fazla işletmelerde yoğunlaşıyor. Stanford AI Index'in istatistikleri de önemli öncü modellerin yayınlanmasının büyük ölçüde endüstriyelleştiğini gösteriyor. Üniversiteler yeni model türlerini icat ederken, işletmeler asıl büyük masayı kontrol ediyor.

Çin'in eli tamamen aynı değil. Çin'in avantajı, daha büyük bir mühendislik yetenek havuzu, daha kısa sorumluluk zincirleri ve endüstriyel sahalara daha yakın görev yoğunluğudur.

Bu mühendislik ekiplerinin değeri, ancak büyük modeller karmaşık sistemlere girdiğinde gerçekten ortaya çıkıyor. Öncü modeller az sayıda üst düzey bilim insanı gerektirir, ancak modellerin hayata geçirilmesi yüzlerce sistem mühendisi, veri mühendisi, çıkarım optimizasyon mühendisi, çip uyum mühendisi ve ürün ekibi gerektirir. ABD, az sayıda üst düzey yeteneği yetenek sınırlarına itmekte iyiyken, Çin çok sayıda mühendisi endüstriyel sahalara yaymakta daha başarılıdır. Birincisi genel yetenek sınırlarına saldırmak için uygunken, ikincisi hızlı dönüşüm, dağıtım ve teslimat için uygundur.

DeepSeek, Moonshot AI ve benzeri şirketlerin Çin'in büyük model anlatısına getirdiği değişiklik de budur. Bu şirketler, Çinli şirketlerin oyuna farklı bir organizasyon yapısıyla katılabileceğini kanıtlıyor: daha sıkı ekipler, daha kısa geri bildirim zincirleri, daha güçlü mühendislik sıkıştırma yetenekleri ve gençlerin temel görevlere daha hızlı girmesine olanak tanıyan bir alan.

Belki de Çin-ABD büyük model oyununun gerçek kazananı şimdi değil, bir sonraki nesil başarılı öğrenciler Pekin, Şanghay, Guangzhou gibi yerlerden yola çıktıklarında hangi yeri kendi ana sahaları olarak göreceklerine bağlı. Silikon Vadisi'ne uçup ABD'nin süper amplifikatörüne mi bağlanacaklar, yoksa Çin'de kalıp genişleyen yeni bir masada yerli modeller, çipler, sistemler ve endüstriyel senaryoları bir döngü haline mi getirecekler?

3. Oyun Stratejisi: ABD Zirveyi İşgal Ediyor, Çin Kırsal Alanlardan Şehirleri Kuşatıyor

Model liderliği nesil farkından zaman farkına sıkıştırıldığında, sorun artık sadece "kim önce büyük bir kart oynar" değil, bu kartın uzun vadeli bir avantaja dönüştürülüp dönüştürülemeyeceğidir.

1. ABD, Fiyatlandırma Gücünü Kanıtlamak İçin Elindeki Kartları Saklıyor

OpenAI, Anthropic ve Google, en güçlü modellerini abonelik ürünlerinde, API'lerde ve bulut platformlarında tutuyor. Geliştiriciler bunları çağırabilir, ancak tam ağırlıkları indiremez, özgürce değiştiremez veya platformu atlayarak dağıtamaz.

Kapalı kaynak öncelikle bir fiyatlandırma stratejisidir.

OpenAI ve Anthropic, kamu piyasasına ne zaman girerlerse girsinler, Silikon Vadisi ve Wall Street'in fiyatlandırma mantığıyla yüzleşmek zorundadır. Sermaye piyasaları, bir benchmark'ta zirveye çıkmak için uzun süre ödeme yapmaz; daha çok gelir, elde tutma, brüt kar marjı ve pazarlık gücüyle ilgilenir. En gelişmiş modellerin girişini ancak kontrol ederek, her çağrı, her abone ve her kurumsal sözleşme için ücret talep edebilir ve geçici liderliği tekrar tekrar satılabilir bir varlığa dönüştürebilirler.

Bu iki şirket, çip, veri merkezi ve enerji gibi ağır sabit kıymet maliyetlerini üstleniyor, ancak bir yazılım platformu değerlemesi almayı umuyor. Ağırlıklar tamamen açık hale getirilirse, bulut sağlayıcıları ve uygulama şirketleri hızla barındırma, paketleme ve fiyat düşürme yapabilir; temel modeller homojen bir hammadde haline gelebilir. Eğitimciler en ağır riski üstlenirken, kârlar hesaplama gücüne ve giriş noktalarına akar.

Bu nedenle, ABD yalnızca teknik sırları değil, aynı zamanda model rantını da koruyor. API'ler, Agent çerçeveleri, kurumsal izinler, veri bağlantıları ve güvenlik denetimleri, modelin etrafına ek kilitlenme katmanları ekliyor. Müşteri ne kadar derin entegre olursa, geçiş maliyeti o kadar yüksek olur ve geçici liderlik, bir sonraki sıralama değişimini atlatma şansını artırır.

2. Çin'in kısmen elini açması, dağıtım hakkı kazanmak içindir

Bugün, Xi Jinping, WAIC'de (Dünya Yapay Zeka Konferansı) açık ve kazan-kazan ilkesine bağlı kalarak, açık kaynak, açıklık, iş birliği ve paylaşımı teşvik ettiğini ve küresel Güney ülkelerinin kapasite geliştirmesine yardımcı olmayı ve dijital-akıllı uçurumu kapatmayı küresel yapay zeka yönetişiminin önemli bir yönü olarak belirlediğini söyledi. Aynı gün yayınlanan konferans başkanlık bildirisi, sorumlu bir şekilde açık kaynak ekosistemi oluşturulması, işletmelerin bağımsız seçimlerine ve fikri mülkiyet korumasına saygı gösterilmesi koşuluyla yapay zeka teknolojisi ve hizmetlerine erişilebilirliğin artırılması gerektiğini belirtti.

Çoğu Çinli model şirketi, ChatGPT, Google ve Workspace gibi küresel giriş noktalarına sahip değil. Bu nedenle, büyük modelleri kendi platformlarında kilitli tutmak, Silikon Vadisi modeli gibi yüksek kâr getirmeyebilir.

Bu nedenle, ağırlıkları açmak öncelikle bir dağıtım yöntemidir.

DeepSeek, Qwen, GLM ve diğerleri, indirilebilir ağırlıklar, düşük fiyatlı API'ler, arayüz uyumluluğu ve yerel dağıtım ile geliştiriciler için rekabet ediyor. Bugün yayınlanan Kimi K3, bu rotayı "cömertliğin" sınırına taşıyor: toplam 2,8 trilyon parametre, yerel görsel destek, maksimum 100 milyon token bağlam. Moonshot AI, bunun açık kaynaklı ilk 3T seviyesi model olduğunu ve 27 Temmuz'a kadar tam ağırlıkları yayınlayacağını taahhüt ediyor.

Çin, başkalarının elindeki bu desteyi almasına, incelemesine ve keşfetmesine izin veriyor, böylece daha fazla ülke tamamen ABD API'lerine bağımlı olmayan başka bir teknik seçeneğe sahip oluyor. Bu, "kırsal alanlardan şehirleri kuşatma" mantığıdır: en pahalı ve en kapalı merkezi pazar için rekabet etmek yerine, açık ağırlıklar, düşük fiyatlı API'ler ve donanım uyumluluğu ile daha fazla sayıda, daha sıkı bütçeli ve verilerini yurt dışına çıkarmak istemeyen senaryolara girmek.

Birçok gelişmekte olan ülke için en önemli şey, modelin sıralamada birkaç puan daha fazla kazanması olmayabilir. Onlar daha çok, modelin yerel dili destekleyip desteklemediği, verilerin yurt dışına çıkarılmasının gerekip gerekmediği, fiyatın karşılanabilir olup olmadığı, kendi sunucularına dağıtılıp dağıtılamayacağı ve tedarikçinin jeopolitik değişiklikler nedeniyle hizmeti aniden kesip kesmeyeceği ile ilgileniyor.

Konuşmasında Xi Jinping, önümüzdeki 5 yıl içinde Çin'in gelişmekte olan ülkelere yapay zeka alanında 5.000 kişilik özel eğitim ve araştırma fırsatı sunacağını, ASEAN, Arap Birliği, Afrika Birliği, Latin Amerika ve Karayip Devletleri Topluluğu, Şanghay İşbirliği Örgütü ve BRICS ülkeleri için uluslararası yapay zeka uygulama işbirliği merkezleri kuracağını ve 30 ülkede meteorolojik akıllı erken uyarı çözümlerini hayata geçireceğini duyurdu. Aynı zamanda Dünya Yapay Zeka İşbirliği Örgütü de Şanghay'da resmen kuruldu.

Böylece Çin, birbiriyle uyumlu üç katmanlı bir dağıtım sistemi oluşturuyor.

Birinci katman modeldir: Açık ağırlıklar ve düşük maliyetli API'ler ile kullanım engellerini azaltmak.

İkinci katman altyapıdır: Bulut bilişim, yerli çipler, yerel dağıtım ve sektörel çözümlerle gerçek talepleri karşılamak.

Üçüncü katman kurumsal ağdır: Eğitimler, işbirliği merkezleri ve uluslararası organizasyonlar aracılığıyla tek seferlik model indirmeyi daha uzun vadeli bir teknoloji ilişkisine dönüştürmek.

Elbette açıklık, küresel dikkat ve benimsenme oranı getirebilir, ancak devasa bulut işlerinin maliyetleri otomatik olarak geri kazanması beklenemez. Bu firmalar, resmi API'ler, kurumsal hizmetler, özel dağıtımlar ve üst düzey ürünler aracılığıyla nakit akışı bulmak zorundadır.

Çin, öngörülebilir bir zaman diliminde açık ağırlıkları geliştirme standartlarına, geliştirme standartlarını bulut ve uygulama gelirlerine, uluslararası benimsenmeyi ise uzun vadeli bir ekosisteme dönüştürmelidir. Aksi takdirde, sözde dağıtım gücü yalnızca geçici indirme sayıları olarak kalır ve bir sonraki nesil modelleri besleyebilecek ticari bir döngüye dönüşmez.

3. ABD Model Rantı Alırken, Çin Ekosistem Rantı Peşinde

ABD, model rantı toplamak istiyor: En yüksek yetenek ve platform kilitlenmesi sayesinde çağrılar, abonelikler ve kurumsal sözleşmelerin sürekli olarak kendi ücretli girişlerinden geçmesini sağlamak. Çin ise daha çok ekosistem rantı için mücadele ediyor: Modelin fiyatını düşürerek, açıklık karşılığında geliştiriciler, bulut iş yükleri, kurumsal dağıtımlar ve teknoloji standartları kazanmak ve ardından bu katmanlardan birinde değer elde etmek.

Her iki yol da kendi tuzaklarına düşebilir. Kapalı kaynak platformları en çok yetenek farkının daralmasından korkar; yüksek duvarlar, belirgin şekilde daha iyi bir yetenekle desteklenmezse, bir hendekten bir gişeye dönüşebilir. Açık yol ise alkış kazanıp nakiti kaybetme riski taşır; denizaşırı bulut ve uygulama şirketleri geliri alırken, orijinal üretici en pahalı eğitim maliyetlerini üstlenir.

Çin'in rotası bir dönüşümü tamamlamalıdır: Açık ağırlıklardan geliştirme standartlarına, geliştirme standartlarından bulut ve dağıtım gelirlerine ve bu gelirler ile gerçek görevlerden bir sonraki nesil modeller için gereken hesaplama gücü ve veriye ulaşmak. ABD de, liderliğinin kullanıcı iş akışlarına derinlemesine nüfuz ederek kolayca değiştirilemeyecek bir zeka katmanı haline geldiğini kanıtlamalıdır.

ABD şunu kanıtlıyor: Elimdeki kartlar yeterince nadir, bu yüzden her bakışta para ödemen gerekiyor.

Çin ise şuna bahse giriyor: Yeterince kişi aynı desteyi kullanırsa, yayılmanın kendisi de pazarlık gücü yaratır.

4. Pot Oranlarını Değerlendirmek: Ucuzluk Bir Lütuf Değil, Ölçeklenebilirliğin Ön Koşuludur

Pot oranları soğuk bir soruyu yanıtlar: Masadaki fişler için daha ne kadar ödemen gerekiyor? Kartlar ne kadar güzel olursa olsun, her çağrı aşırı pahalıysa, uzun vadede sermayeni tüketirsin.

1. API Fiyat Listesi Sadece İlk Faturadır

17 Temmuz 2026 itibarıyla, birkaç temsili modelin halka açık API fiyatları aşağıda, milyon token başına olarak verilmiştir. (Fiyatlar her an değişebilir ve kurumsal uzun vadeli sözleşme fiyatlarını yansıtmaz. Kimi K3'ün giriş fiyatı, önbellek isabetsizliği durumuna göre hesaplanmıştır.)

Bu tablo hâlâ yerli modellerin fiyat avantajını gösterse de, artık "yerli modeller her zaman onlarca kat daha ucuzdur" genellemesiyle açıklanamaz. DeepSeek düşük fiyatı uç noktaya taşırken, Kimi K3 son teknoloji kodlama yetenekleri ve 1 milyon token bağlamıyla daha yüksek fiyatlandırmaya yöneliyor. Çinli modellerin stratejisi, tek tip bir fiyat savaşından, düşük fiyatla hacim ve yüksek primli iki ayrı yola ayrılıyor.

İşler bu kadar basit değil ve Token'lar da bu kadar cömert değil.

Bir işletmenin tam faturası en azından token'ları, araç çağrılarını, başarısız yeniden denemeleri, insan incelemelerini ve gecikme ile kararlılık için ayrılmış yedekleri içermelidir. Fiyat listesi yalnızca ilk kalemi gösterir; bir hata oluştuğunda, işletme sonraki tüm düzeltme adımlarının bedelini öder.

Gerçekten adil bir karşılaştırma "bir milyon token ne kadar?" değil, aynı işi tamamlamak için hesaptan en son ne kadar para çekildiğidir.

Yine de, düşük fiyat hâlâ çok güçlü bir karttır. Müşteri hizmetleri, özetleme, belge işleme ve toplu kod incelemeleri günde milyonlarca kez çağrılabilir ve tek seferlik fark, ölçekle hızla büyür. Ucuzluk, girişim ekiplerinin deneme yapmasına, KOBİ'lerin pazara girmesine ve Agent'ların demo masasından günlük iş akışına geçmesine olanak tanır. Çin, daha fazla sıradan görevin havuza girmeye uygun hale gelmesini sağlamaya çalışıyor.

2. Sermayenin İki Ucu Keskin Kılıcı: Finansman Büyüklüğü Deneme Hakkı Satın Alır, Aynı Zamanda Getiri Geri Sayımını Başlatır

Dört öncü laboratuvarı bir araya getirirsek, sermaye yapılarındaki fark daha da belirgin hale gelir.

Finansmanın büyüklük farkı, ABD’nin en iyi laboratuvarlarının gelecek birkaç yılın çip, veri merkezi ve yetenek bütçesini tek seferde bugüne taşıyabileceğini açıkça gösteriyor.

Sermayenin aslında desteklediği şey, büyük model şirketlerinin deneme yanılma hakkıdır. Para yeterince derinse, on araştırma hattının aynı anda çalışmasını sağlayabilir, dokuzu başarısız olduktan sonra onuncunun hayatta kalmasına izin verebilir ve henüz gelir oluşmadan önce veri merkezi ve elektrik sözleşmelerini kilitleyebilir.

Ancak tüm kaderin armağanlarının karanlıkta bir fiyat etiketi vardır. Ne kadar çok para olursa, getiri saati o kadar yüksek sesle tik tak eder. Devasa değerlemeler, krediler ve altyapı taahhütleri, gelecekteki nakit akışlarına borç dayatır. OpenAI ve Anthropic, yetenek üstünlüğünü aboneliklere, API’lere ve kurumsal sözleşmelere dönüştürmeli, ağır sanayi maliyetlerini üstlendiklerini ancak bir yazılım platformunun kar yapısına sahip olduklarını kanıtlamalıdır. Sermaye onlara daha derin kozlar verdi, ancak kârlılık tarihini de masanın altına gizlice yazdı.

Çin’in sermaye yapısı nispeten daha dağınıktır. İnternet devleri, bulut ve tüketici işleriyle taban oluştururken, girişimler endüstriyel sermaye ile yerel ve hatta merkezi politika desteği alır; kamuya ait bilgi işlem tesisleri ise temel yatırımın bir kısmını üstlenir. Bu, kritik hatların kısa vadeli kar eksikliği nedeniyle hemen durmamasını sağlayabilir, ancak aynı zamanda tekrarlanan inşaatlara, düşük kullanım oranlı kümelenmelere ve yalnızca sübvansiyonlardan sorumlu projelere yol açabilir.

ABD’nin riski, sıcak paranın yeterince bol olması ve henüz doğrulanmamış talebin erken sermayeleştirilmesine yol açmasıdır; Çin’in riski ise sıcak paranın yeterince yoğun olmaması ve öncü araştırmaların en çok uzun vadeli yatırıma ihtiyaç duyduğu anda kısa vadeli teslimata yönelmek zorunda kalmasıdır. Birincisi, yüksek fiyatlı modellerin devasa yatırımları karşılamaya yeterli olduğunu kanıtlamalı; ikincisi ise düşük fiyat ve açıklığın kalıcı sübvansiyon olmadığını, aksine bulut geliri, kurumsal dağıtım ve endüstriyel verimlilikle geri dönebileceğini göstermelidir.

Bu elde, her iki taraf da sadece paradan çok daha fazlasını yakıyor; en değerlisi, gelecekten ödünç alınan zamandır.

3. Elektrik Kısıtlamaları Strateji Alanını Daraltıyor: Çin’in Altyapı Derinliği Var

Eğitim, yoğun bir yük patlamasıdır; arama, ofis ve Agent çıkarımı ise gece gündüz durmayan bir yüktür. Model milyarlarca kez çağrıldığında, elektrik fiyatı, şebeke bağlantısı, soğutma ve çip kullanım oranı her görevin maliyetine girer.

Çin’in enerji altyapısının avantajı, her şeyden önce ölçeğidir.

Bir "altyapı canavarı" olarak Çin, daha büyük bir elektrik sistemine sahiptir ve rüzgar, güneş, enerji depolama, nükleer ve bölgeler arası iletim ağlarını sürekli olarak inşa etmektedir. Büyük model için gereken veri merkezi inşası yeni büyük ölçekli yükler getirdiğinde, Çin’in açıkça daha büyük bir tedarik derinliği ve daha güçlü bir mühendislik genişletme kapasitesi vardır.

ABD'nin sorunu, sermaye ve çiplerin kapıda beklemesine rağmen, elektrik şebekesinin bir yazılım güncellemesiyle kapasite artırımı yapılamamasıdır. ABD Enerji Bakanlığı'nın araştırmasına göre, yüksek gerilim iletim projelerinin geliştirme, onay ve inşa süreci ortalama 10 yıl sürmekte olup, tipik aralık 5 ila 17 yıl arasındadır; enerji santrali projelerinin şebekeye bağlantı başvurusundan işletmeye alınmasına kadar geçen ortalama süre ise 2008'deki yaklaşık 2 yıldan 2023'te yaklaşık 5 yıla çıkmıştır.

Haziran 2026'da, ABD Federal Enerji Düzenleme Komisyonu, altı bölgesel şebeke operatöründen büyük yük bağlantı kurallarını açıklamalarını veya reform yapmalarını talep etti. Federal sistemin yetki dağılımı yapısı, bölgesel iletim hatlarının onay sürecini yavaşlatmakta, transformatör gibi ekipmanların teslimat sürelerini uzatmakta ve farklı eyaletler, enerji üretim şirketleri, şebeke operatörleri ile veri merkezleri arasında maliyetlerin kim tarafından karşılanacağı konusunda tekrarlanan müzakerelere yol açmaktadır.

Buna karşılık, 2026'da tamamen devreye alınan China Mobile Ningxia Zhongwei Veri Merkezi Kampüsü, toplam 332 MW IT gücüne, 100 EFLOPS'un üzerinde akıllı hesaplama kapasitesine, %80'in üzerinde istikrarlı yeşil enerji oranına ve yaklaşık 0,36 yuan/kWh kapsamlı elektrik fiyatına sahiptir. Bu projenin önemi sadece ucuz elektrik fiyatında değil, aynı zamanda enerji kaynaklarının doğrudan hesaplama arzına dönüştürülmesi için enerji santrali, şebeke, enerji depolama ve veri merkezinin eşzamanlı olarak inşa edilebilmesinde yatmaktadır.

Bu nedenle, enerji altyapısı katmanında Çin'in avantajı, Benchmarks'taki avantajından daha belirgindir. Uluslararası Enerji Ajansı, küresel veri merkezi elektrik tüketiminin 2025'teki yaklaşık 485 TWh'den 2030'da yaklaşık 950 TWh'ye çıkacağını tahmin etmektedir. ABD ve Çin, bu artışın yaklaşık %80'ini oluşturacaktır. Rekabet model eğitiminden milyarlarca sürekli çıkarıma kaydıkça, Çin'in enerji altyapısı avantajı daha da önemli hale gelecektir: Eğitim bir küme planlamasını bekleyebilir, ancak çıkarım hizmetleri yıl boyunca kesintisiz, istikrarlı ve düşük maliyetli elektriğe ihtiyaç duyar.

Ancak, enerji avantajı nihayetinde çip verimliliği, yazılım optimizasyonu ve küme kullanım oranı üzerinden hesaplanmalıdır. Düşük verimli çipler ve boş sunucu odaları tarafından tüketilen ucuz elektrik, otomatik olarak düşük maliyetli zekaya dönüşmez. Gerçekten karşılaştırılması gereken, bir milyon gerçek görevi tamamlamak için ne kadar elektrik, çip amortismanı ve insan operasyon-bakım maliyeti gerektiğidir.

Birim görev maliyetini daha düşük seviyeye getirebilen taraf, bu rekabeti uzun vadeli bir yıpratma savaşına sürükleme konusunda daha avantajlı olacaktır. Bu noktada, Çin'in ulusal seferberlik sistemi daha baskın gelebilir.

4. Çin'in Atılım Yapması Gereken, Bir Maliyet Döngüsüdür

API, sermaye ve enerjiyi bir araya getirdiğimizde, zafer kolayca "kim daha zengin" sorusuna indirgenebilir. ABD, yüksek yatırımla model sınırlarını zorlayabilir ve ardından küresel abonelik, bulut ve kurumsal yazılımla maliyetleri geri kazanabilir; Çin ise mühendislik optimizasyonu, düşük maliyetli modeller ve altyapı ile erişim engelini düşürmeye çalışırken, büyük ölçekli kullanımdan gelir ve veri elde etmeyi hedeflemektedir.

Çin rotasının riski, her aşamada fiyatların düşürülmesi, ancak hiçbir yerde yeterli kar marjının bırakılmamasıdır. Düşük fiyatlı API yalnızca çağrı hacmi getiriyorsa, açık ağırlık yalnızca indirme sayısı sağlıyorsa ve yerel veri merkezleri yalnızca inşaat ölçeğine odaklanıyorsa, bunların toplamı yine de büyük bir zarara yol açabilir. ABD rotasının riski ise tam tersidir: her aşamada yüksek fiyat talep edilebilir, ancak maliyetler o kadar yüksektir ki, belirgin bir yetenek farkını sürdürmek zorunludur.

Mevcut pot oranları hâlâ ABD'den yana, çünkü teknolojik üstünlüğünü dünyanın en pahalı müşterilerine satabiliyor. Ancak model yetenekleri birbirine yaklaştıkça, birim görev maliyetinin ağırlığı hızla artacak ve Çin'in düşük fiyatları, elektrik gücü ve mühendislik verimliliği de kendini göstermeye başlayacak.

Bunun ön koşulu, bu avantajların sonunda aynı nakit akışında birleşmesi, yani her biri kendi başına iyi görünen ancak birbirinden kopuk üç ayrı defter bırakmamasıdır.

Beşinci: Potu Toplamak – Modeli Gerçek İş Akışlarına Kim Entegre Edebilir?

Masada önde olmak, fişleri otomatik olarak önünüze getirmez. Teknolojik üstünlük ancak kullanıcılar sürekli kullanırsa, işletmeler ödeme yapmaya istekli olursa ve görevler doğrulanabilir sonuçlar bırakırsa gerçekleşir. LLM rekabetinde gerçek pot yalnızca dört şeyden oluşur: gelir, giriş noktaları, geri bildirim verileri ve model tarafından yeniden düzenlenen iş akışları.

1. ABD Önce Giriş Noktalarını Ele Geçiriyor, Çin İşlemlere Daha Yakın

ChatGPT önce insanların cevap arama alışkanlıklarını değiştirdi, ardından yazma, araştırma, kodlama ve kurumsal çalışma alanlarına girdi; Google, Gemini'yi Arama, Workspace ve Cloud'a entegre etti; Anthropic, Claude ve Claude Code ile bilgi çalışmalarına ve yazılım geliştirmeye girdi. ABD'li model şirketlerinin arkasında zaten tarayıcılar, ofis paketleri, kod depoları ve küresel bulut platformları var.

Giriş noktaları, sıralamalardan daha zor yakalanan bir avantajdır. Bir işletme kimlik, yetki, veri ve satın alma süreçlerini entegre ettiğinde, model değiştirmek yalnızca bir isim değişikliği değil, iş akışının bir kısmını yeniden inşa etmek anlamına gelir. OpenAI'ın yayınladığı Signals verileri, kullanıcıların kayıttan altı ay sonra günlük mesaj sayısının yaklaşık %50 arttığını, denedikleri görev türlerinin iki katına çıktığını ve aktif kullanıcıların yarısından fazlasının İngilizce dışındaki dilleri kullandığını gösteriyor.

Çin platformları küresel ofis giriş noktalarından daha uzak, ancak belirli işlemlere daha yakın. Alibaba, Qwen'i Taobao ve Tmall'daki milyarlarca ürün kataloğuna entegre etti; kullanıcılar sohbet içinde karşılaştırma yapabilir, sipariş verebilir, lojistiği takip edebilir ve satış sonrası hizmet alabilir. Model yalnızca web sayfalarına değil, satıcılara, siparişlere ve teslimat sistemlerine bağlanır. Kullanıcının sipariş verip vermediği, önerinin kabul edilip edilmediği, lojistik ve satış sonrası hizmetin tamamlanıp tamamlanmadığı – her adımın bir sonucu vardır.

ABD genel amaçlı modelleri önce kullanıcı giriş noktalarını ele geçirir, ardından harici hizmetlere bağlanır; Çin süper platformları ise modeli ilk günden itibaren işlem döngüsüne yerleştirebilir. Birincisi daha güçlü küresel dağıtıma sahipken, ikincisi daha yoğun davranışsal geri bildirime yakındır.

2. Kodlama, İlk Yüksek Değerli Deneme Alanıdır

Kodlama, en erken istikrarlı ödeme modelini oluşturdu çünkü sonuçları doğrulamak kolaydır: Tamamlamanın kabul edilip edilmediği, projenin derlenip derlenemediği, testlerin geçip geçmediği, hataların düzeltilip düzeltilmediği ve hangi büyük modelin daha iyi olduğu bir bakışta anlaşılır.

Kodlama alanında, ABD başlangıçta en güçlü kozlara sahipti: GitHub, Microsoft, OpenAI, Anthropic ve çok sayıda geliştirme aracı, küresel kod girişini kontrol ediyordu ve önde gelen modeller, karmaşık depo görevlerinde uzun süre liderdi. Kimi K3, model yetenekleri alanında yeni bir boşluk yarattı. Moonshot AI tarafından açıklanan değerlendirmelere göre, Program Bench ve SWE Marathon'da GPT-5.6 Sol ve Claude Fable 5'i geçti, Terminal-Bench 2.1'de ise GPT-5.6 Sol'un sadece 0,5 puan gerisinde kaldı ve bazı GPU çekirdek optimizasyonu, derleyici geliştirme ve çip tasarımı görevlerinde uzun vadeli yürütme yeteneği gösterdi. Ancak bir modelin birkaç değerlendirmeyi kazanması, geliştirme ortamını ele geçirdiği anlamına gelmez. Kimi Code ve açık ağırlıklar dağıtımı tamamlıyor, ancak Çin'in hâlâ GitHub, Codex ve Claude Code'un biriktirdiği kullanıcı, araç zinciri ve geri bildirim döngüsünü yakalaması gerekiyor.

Kod, gelecekteki pazarın şeklini şimdiden ortaya koyuyor: En güçlü modeller karmaşık görevleri üstleniyor, ucuz modeller tamamlama, test ve toplu incelemeden sorumlu oluyor ve işletmeler, zorluk ve hassasiyete göre kapalı kaynak bulut ile yerel modeller arasında geçiş yapıyor. Sonuçta değeri alacak olan, mutlaka belirli bir model değil, hangi modelin ne zaman kullanılacağını bilen bir sistem olabilir.

Geliştirme ortamına kim sahip olursa, modeli daha hızlı düzeltebilir. Kodun korunup korunmadığı veya geri çekilip çekilmediği, testin hangi adımda başarısız olduğu ve geliştiricinin nasıl değişiklik yaptığı, bir sonraki eğitim turu için bir el kitabı haline gelecektir.

3. Tüketiciye Yönelik Ajan: Kullanıcı Zihnini Ele Geçirmek İçin En Güçlü Koz

Öncü modeller el kozlarını karşılaştırıyorsa, tüketiciye yönelik ajanlar, model yeteneklerini milyonlarca kullanıcının bilinçaltı eylemine dönüştürebilenin kim olduğu için savaşıyor.

Bir kişi bilgi aramak, dosyaları düzenlemek, sunum hazırlamak, seyahat planlamak veya iş sorunlarını çözmek istediğinde, ilk olarak kimi açar?

ABD'de şu anda en temsili olanlar, OpenAI ve Anthropic'in iki kozudur.

ChatGPT, en güçlü AI yerel marka bilinirliğini oluşturdu. OpenAI bu kozu iki yola ayırdı: ChatGPT Work (CodeX), araştırma, belgeler, tablolar, sunumlar ve diğer eksiksiz teslimatlardan sorumlu. Kullanıcılar, bir soru sormaktan nihai ürüne ulaşmaya kadar ChatGPT'den ayrılmak zorunda kalmıyor.

Anthropic'in işgal ettiği zihinsel alan nispeten daha dar, ancak daha derin ve daha değerli; açıklanan yıllık gelirlerinde bir dönem OpenAI'ı bile geçti. Claude Code, birçok programcı için karmaşık projeleri yönetmede öncelikli tercih haline geldi; Claude Cowork ise aynı çalışma şeklini araştırmacılar, analistler ve diğer bilgi çalışanlarına taşıyarak Claude'un yerel dosyalar, masaüstü uygulamaları ve çok adımlı görevlerle doğrudan ilgilenmesini sağlıyor.

ABD'de çok net bir ürün algısı oluşuyor: Karmaşık bir işle karşılaştığınızda, önce hangi yazılımları açmanız gerektiğini düşünmeyin, önce onu Agent'a (temsilciye) devredin.

Oysa Çin aslında başlangıçta bu yolda ilerlemiyordu.

Başlangıçta, Çinli şirketler sürekli olarak Agent'ı (temsilciyi) işletmelerin zaten güçlü olduğu senaryolara sıkıştırmaya çalışıyordu.

Alibaba, Qwen'i (Qianwen) Taobao ve Tmall'daki 4 milyar ürüne bağladı. Kullanıcılar diyalog içinde arama yapabilir, karşılaştırabilir, sipariş verebilir, kargo takibi yapabilir ve satış sonrası hizmetleri yönetebilir. Qwen'in arkasında, Alibaba'nın yirmi yılı aşkın süredir işlettiği ürün, satıcı, ödeme, lojistik ve satış sonrası hizmetten oluşan tüm ticaret zinciri bulunuyor.

ByteDance ise bahislerini içerik üretimine koydu. Seedance 2.0, sıradan kullanıcıların metin, resim, ses ve video kullanarak tam görsel-işitsel yaratımı kontrol etmesine olanak tanıyor ve Doubao, Douyin, CapCut ile yaratıcı ekosisteminden oluşan içerik dağıtım ağına tamamen entegre oluyor.

Meituan'ın LongCat tabanlı olarak yükselttiği "Xiao Tuan" (Küçük Grup), yeme-içme, eğlence, seyahat ve sağlık danışmanlığı gibi yaşam senaryolarına derinlemesine dahil oldu. 2026 "1 Mayıs" tatili sırasında Meituan, "Xiao Tuan"ın yüz milyonlarca kişiye hizmet verdiğini duyurdu. Genel amaçlı Agent'larla (temsilcilerle) karşılaştırıldığında, Meituan yalnızca yanıtlara değil, aynı zamanda işletme, değerlendirme, konum, stok, sipariş yerine getirme ve işlem sonuçlarına da sahip.

Böylece, Çin ve ABD'deki Tüketiciye Yönelik (To C) Agent'lar (temsilciler) iki farklı genişleme yöntemi oluşturdu: ABD, AI'nın doğal giriş noktasından dışarıya doğru genişlerken, Çin mevcut senaryolardan içeriye doğru kuşatma yapıyor.

Çin yolunun riski, zihinsel bölünmede yatıyor: Alışveriş yaparken Qwen'i açmak, içerik üretirken Doubao'yu açmak, ofis işleri için WorkBuddy'yi kullanmak başlı başına bir karmaşa. Senaryolar çok derin, ancak giriş noktaları hâlâ dağınık. Çin'de konumu iyi birçok oyun masası var, ancak ChatGPT gibi tüm kullanıcı zihniyetini tek bir isim altında toplayabilecek bir süper giriş noktası henüz ortaya çıkmadı.

Ve şimdi, Çinli büyük teknoloji şirketleri bunun farkına varmış durumda ve ABD'de kanıtlanmış genel amaçlı Agent (temsilci) modeline yönelerek sohbet kutularını birer çalışma masasına dönüştürmeye başlıyor.

Tencent WorkBuddy, tek bir komuttan yola çıkarak dosya düzenleme, veri analizi, belge oluşturma ve içerik üretme işlemlerini tamamlayabiliyor; Kimi'nin genel ajanı, Kimi Claw ve Xiaomi MiMo Claw ise dosyaları, araçları ve uzun vadeli görevleri devralmaya çalışıyor. Yaptıkları işler, ChatGPT Work ve Claude Cowork'a giderek daha fazla benziyor: Kullanıcı yalnızca hedefi belirtiyor, ajan ise adımları parçalara ayırıyor, araçları çağırıyor ve sonunda teslimatı yapıyor.

Çünkü iyi bir kart yalnızca bir eli kazandırabilir, ancak kullanıcının varsayılan giriş noktasını ele geçirmek, sonraki her uygulama senaryosunu "hileli" bir şekilde eğitim deneyimine dönüştürerek tüm kartları "hileli" bir şekilde görmeyi sağlar.

Altı. Geri Çekilmeyi Kontrol Etmek: Sistem ve Toplumsal Dayanıklılık

Texas Hold'em hiçbir zaman sadece kazanma oyunu olmamıştır. En güçlü oyuncu bile kötü kartlar alabilir, doğru tahmin yaparken düşük olasılıklarla geri dönüşe uğrayabilir ve büyük bir potun rakibe kaydığını görebilir.

Profesyonel oyuncuları sıradan oyunculardan gerçekten ayıran şey, birincisinin asla kaybetmemesi değil, geri çekilmeyi kontrol edebilmesi, duygusal kontrolü kaybetmemesi ve önceki elin kaybının bir sonraki elin kararını mahvetmesine izin vermemesidir.

AI rekabeti de aynı şekilde. Modeller üretkenliği artırabilir, ancak istihdamı da daraltabilir; içerik maliyetlerini düşürebilir, ancak dolandırıcılık ve deepfake'i de büyütebilir; kurumsal sistemlere girdikten sonra verimliliği artırabilir, ancak bir hatayı ödeme, kod ve kritik verilere yayabilir.

1. Düzenleme, Giriş Aralığını Belirler

Amerika Birleşik Devletleri daha geniş bir aralık stratejisine daha yakındır. Şirketler önce ürünü piyasaya sürer, ardından pazar, mahkemeler, eyalet düzeyindeki yasama ve düzenleyici kurumlar sınırları belirler. Bu, şirketlere daha fazla deney fırsatı verir, ancak aynı zamanda telif hakkı, gizlilik ve ürün hasarının bir kısmının önce toplum tarafından üstlenilmesi ve ardından düzeltilmesi anlamına gelir.

Çin, sınırları önceden belirlemeye daha fazla vurgu yapar. Kayıt, içerik yönetimi, platform sorumluluğu ve sektör pilot uygulamaları belirgin riskleri azaltabilir ve tek tip standartlar oluşturmayı kolaylaştırabilir; ancak sınırlar belirsizse, şirketler ve yerel yönetimler sorumluluktan kaçınmak için katmanları artırabilir ve zararı durdurmayı erken pes etmeye dönüştürebilir.

ABD daha yüksek dalgalanmayı kabul eder, daha fazla deney karşılığında; Çin ise kontrolden çıkma olasılığını azaltır, daha istikrarlı ilerleme karşılığında. Gerçekten akıllı bir sistem, ne her zaman gevşek ne de her zaman sıkıdır; ne zaman aralığı genişleteceğini ve ne zaman fişleri geri çekeceğini bilir.

2. İstihdam Şoku, Toplumun Ne Kadar Geri Çekilmeyi Kaldırabileceğini Belirler

LLM'ler en çok dil ve bilgi işleme oranı yüksek olan işleri etkiler: müşteri hizmetleri, çeviri, idari işler, içerik, temel programlama, hukuk araştırması ve bazı analizler. Uluslararası Çalışma Örgütü, küresel olarak işlerin yaklaşık dörtte birinin bir dereceye kadar üretken AI'ya maruz kaldığını, ancak en yüksek maruziyet seviyesindeki istihdamın yaklaşık %3,3 olduğunu tahmin ediyor. Bu, tüm mesleklerin toplu olarak yok olmasından ziyade, görevlerin yeniden yapılandırılmasına daha çok benziyor.

Tehlike belirli bir pozisyonun ortadan kalkmasında değil, değişim hızının toplumun işleri, gelirleri ve güvenceleri yeniden düzenleme hızını aşmasında yatar. Şirketler aylar içinde yapay zekayı devreye alabilirken, çalışanların yeni beceriler öğrenmesi yıllar alabilir; ekonomi uzun vadede büyümeye devam ederken, bir kesim iflasın eşiğine gelebilir.

ABD işgücü piyasası daha esnektir, şirketler iş rollerini yeniden yapılandırmaya cesaret eder, ancak maliyet daha çok bireyler ve aileler üzerinde kalır. Çin, mesleki eğitim, sanayi politikaları ve büyük ölçekli organizasyonlar aracılığıyla eğitim koordinasyonu sağlayabilir, ancak daha büyük bir istihdam nüfusu ve daha yüksek istikrar talebiyle karşı karşıyadır.

İyi bir risk yönetimi, asla geri çekilme olmayacağını garanti etmek değil, bir geri çekilmenin kişinin oyuna yeniden girme yeteneğini kaybetmesine neden olmamasını sağlamaktır.

3. En Tehlikelisi Oyunu Kaybetmek Değil, Tilt Olmaktır

Tilt, bir oyuncunun ardışık kötü şansın ardından mantığını kaybetmesi, kayıpları kovalamaya başlaması, bahisleri büyütmesi ve daha önce etkili olan stratejileri terk etmesidir. Toplum da teknoloji coşkusu ile düzenleyici panik arasında gidip gelerek tilt olabilir.

Yapay zeka sürekli olarak dolandırıcılık, sahte içerik, iş kaygısı ve gizlilik ihlalleri getirirse, halk meraktan güvensizliğe yönelebilir. Şirketler hala bir sonraki nesil modellerin her şeyi çözeceğine inanabilir, ancak toplum birkaç ciddi olay nedeniyle kapsamlı kısıtlamalar talep edebilir. Birincisi balon oluşumuna yol açabilir, ikincisi ise kısa vadeli kayıplar nedeniyle uzun vadeli kazançlardan vazgeçilmesine neden olabilir.

Olgun bir toplumsal kabul, herkesin iyimser kalmasını talep etmek değil, halkın teknolojinin sınırlarını bilmesini, bilgi edinme, çekilme ve itiraz haklarına sahip olmasını sağlamaktır. Risk yönetimi de yalnızca modelin "ne söylediğine" odaklanmamalı, aynı zamanda "ne yapmaya yetkili olduğunu" sormalıdır: Agent'ın transfer yapması, kodu değiştirmesi veya kritik sistemleri çağırması durumunda, en az ayrıcalık, ikinci onay, günlük denetimi ve kaza sorumluluğu sürece dahil edilmelidir.

Gerçek dayanıklılık, bir başarısızlık meydana geldikten sonra hala muhakeme yapabilmek, geri çekilmeyi kontrol edebilmek, stratejiyi düzeltebilmek ve bir kesimin kayıplarının tüm teknolojik ilerlemeyi kimsenin üstlenmek istemediği bir batık krediye dönüştürmesine izin vermemektir.

Yedi. Masayı Deviren Değişkenler: Oyunu Bozabilecek Dış Şoklar

Yukarıdaki tüm karşılaştırmalar, oyunun mevcut kurallarla devam edeceği varsayımını içerir. Modeller kademeli olarak gelişir, hesaplama gücü kıt kalır, sermaye sürekli yatırım yapar, tedarik zinciri işler ve toplum sarsıntılara katlanmaya isteklidir.

Gerçek her zaman böyle olmayabilir.

Teknolojik devrimlerin dönüm noktaları genellikle masadaki bahis artırma, görme veya pas geçme değil, bir değişkenin aniden fişlerin değerini değiştirmesi, kuralları yeniden yazması veya doğrudan masayı devirmesidir.

1. AGI'nın erken gelip gelmemesi. Eğer bir sistem uzun vadeli bilimsel araştırma, programlama ve mühendislik tasarımını istikrarlı bir şekilde tamamlayabilir ve bir sonraki nesil model geliştirmeye fiilen katılabilirse, birkaç aylık bir liderlik, kapatılması zor bir uçuruma dönüşebilir. Kısa vadede bu, ileri düzey laboratuvarlara, en iyi çiplere ve bulut platformlarına sahip ABD için daha avantajlıdır; ancak yeteneklerin sızdırılıp sızdırılmadığı, kopyalanıp damıtılmadığı, avantajın tekelleştirilip tekelleştirilemeyeceğini belirleyecektir.

2. Hesaplama gücü darboğazı aşıldı mı? Yeni mimariler, düşük hassasiyetli hesaplama veya özel çipler, aynı yetenek için gereken hesaplama miktarını bir büyüklük sırası azaltırsa, ABD'nin büyük küme avantajlarının bir kısmı yeniden fiyatlanabilir. Uzun zincirli çıkarım ve ajanlar daha fazla token tüketmeye devam ederse, çipler, enerji, bulut ve sermaye daha da yoğunlaşacaktır.

3. Ambargo genişliyor mu, tedarik zinciri kesintiye uğruyor mu? ABD, kısıtlamaları bulut bilişim gücü, HBM, ekipman bakımı, model erişimi ve yetenek işbirliğine kadar genişletirse, Çin'in kısa vadeli maliyetleri önemli ölçüde artacaktır. Ancak ambargo ne kadar uzun sürerse, Çin ABD tedarikini güvenilir bir temel olarak görme olasılığı o kadar azalır. Daha aşırı jeopolitik çatışmalar, hem ABD tasarım ittifakını hem de Çin üretim pazarını aynı anda vuracak ve rekabet, kimin daha hızlı yenilik yaptığından, kimin daha büyük stoklara ve daha fazla alternatif üretim kapasitesine sahip olduğuna kayacaktır.

4. AI balonu patlıyor mu? Ajanların sağladığı maliyet tasarrufu model faturalarını karşılamaya yetmezse, sermaye piyasaları yeniden nakit akışı ve kârlılık üzerinden fiyatlama yapacaktır. Balonun patlaması LLM'leri ortadan kaldırmaz, ancak değerlemelere, sübvansiyonlara ve düşük kullanım oranlı altyapılara dayanan oyuncuları masadan temizleyecektir.

5. AI kaynaklı işsizlik toplumsal bir tepkiye yol açıyor mu? Toplumun, kitlesel işsizlik gerçekleşene kadar tepki vermesi gerekmez. Giriş seviyesi işler azalır, kariyer girişleri daralır ve verimlilik kazançları esas olarak platformlara ve sermayeye akarsa, otomasyon onayı, istihdam koruması ve yeni dağıtım politikaları erken gelebilir.

6. Açık modeller güç yapısını değiştiriyor mu? Açık ağırlıklar, farkı "çoğu görev için yeterli" seviyesine indirmeye devam ederse, güç az sayıda laboratuvardan bulut platformlarına, uygulama şirketlerine ve yerel verilere sahip ülkelere kayar. Ancak açıklık doğal olarak Çin'e ait değildir; asıl önemli olan, indirmeleri araç zincirlerine, standartlara, gelire ve bir sonraki nesil eğitim kaynaklarına dönüştürebilenin kim olduğudur.

7. Büyük bir güvenlik kazası, düzenleyici frenlere yol açıyor mu? Yüksek yetkili bir ajan ciddi bir finansal, tıbbi, ağ veya altyapı kazasına neden olursa, model lisanslaması, sorumluluk sigortası ve dağıtım onayları hızla sıkılaştırılabilir. Güvenlik ayrıca bir endüstri aracı haline gelebilir ve yabancı modellerin, verilerin ve hesaplama gücünün girebileceği pazar sınırlarını yeniden çizebilir.

Bu değişkenler sırayla gelmez. Ambargo yerli çipleri hızlandırabilir, açık modeller maliyetleri düşürürken kötüye kullanımı artırabilir, balonun patlaması AGI'yi geciktirebilir veya kaynakları daha az sayıda şirkete yönlendirebilir. İstihdam şokları ve güvenlik kazaları, aynı gece her iki ülkenin düzenleyicilerini de uyandırabilir.

Tarih gerçekten döndüğünde, ses genellikle devam eden oyunun dışından gelir.

En değerli fişlerin bir anda değer kaybetmesine yol açabilir, aynı zamanda geride kalan tarafa kimsenin hesaplamadığı bir yol açabilir.

Sonuç

Gözler baştaki yeşil masa örtüsüne dönüyor, makine dairesinin tavanındaki lamba hâlâ soğuk bir şekilde yanıyor.

ABD hâlâ daha büyük bir başlangıç eline sahip. Öncü modelleri, üst düzey çipleri, sermayeyi ve küresel giriş noktalarını kontrol ediyor; bugün hemen masayı açsa, kazanma ihtimali hâlâ daha yüksek. Ancak Çin, oyun şeklini değiştiriyor: algoritmalarla fişlerin değerini yeniden etiketliyor, açıklıkla masayı genişletiyor, endüstriyel senaryolarla gerçek kazanç ve kayıpların olduğu bir oyun kitabı arıyor ve ardından maliyet avantajını kendi kendini güçlendiren bir döngüye dönüştürmeye çalışıyor.

Bu rekabet, taraflardan biri gerçekten yetenek, gelir, veri ve hesaplama gücü arasında bir döngü kurana kadar ya da her iki taraf da bu oyunu kazanmanın bedelinin zaferden daha ağır olduğunu fark edene kadar elektrik, sermaye, yetenek ve toplumsal sabrı tüketmeye devam edecek.

Krupiye acele etmiyor, sadece elini deste üzerinde tutuyor. Kapının dışından ara sıra bir rüzgar sesi geliyor, çok hafif, henüz bilançoya yazılmamış kötü bir haber gibi.

Masada kimse ayağa kalkmadı.

Referanslar

1.Stanford HAI：2026 AI Index 完整报告 https://hai.stanford.edu/ai-index/2026-ai-index-report

2.Artificial Analysis：Intelligence Index https://artificialanalysis.ai/

3.Arena：Text Arena 排行榜 https://arena.ai/leaderboard/text

4.Arena：Code Arena 排行榜 https://arena.ai/leaderboard/code

5.Arena：Vision Arena 排行榜 https://arena.ai/leaderboard/vision/overall

6.Arena：Agent Arena 排行榜 https://arena.ai/leaderboard/agent

7.OpenAI：GPT-5.6 发布说明 https://openai.com/index/gpt-5-6/

8.Kimi：Kimi K3 技术博客、完整评测与 API 价格 https://www.kimi.com/blog/kimi-k3

9.DeepSWE：长程软件工程评测排行榜 https://deepswe.datacurve.ai/

10.SWE-bench-Live：持续更新的软件工程评测 https://swe-bench-live.github.io/

11.The Japan Times：Anthropic 对阿里巴巴相关蒸馏行为的指控 https://www.japantimes.co.jp/business/2026/06/25/companies/anthropic-alibaba-illegal-access/

12.Reuters：Anthropic 对阿里巴巴提取 Claude 能力的指控 https://www.investing.com/news/stock-market-news/anthropic-says-alibaba-illicitly-extracted-claude-ai-model-capabilities-4759021

13.OSWorld 2.0：长程电脑操作 Agent 评测 https://osworld-v2.xlang.ai/

14.NVIDIA：Vera Rubin 平台量产说明 https://nvidianews.nvidia.com/news/vera-rubin-full-production-agentic-ai-factory

15.Huawei CloudMatrix 384 系统论文 https://arxiv.org/abs/2506.12708

16.Associated Press：DeepSeek V4 与昇腾适配报道 https://apnews.com/article/1ae6228c4928ddbb43f984e9b38f49dd

17. 昇腾生产环境中的 MoE 与多模态部署研究 https://arxiv.org/abs/2607.08215

18.DeepSeek-V3 技术报告 https://arxiv.org/abs/2412.19437

19.DeepSeek-R1 论文 https://arxiv.org/abs/2501.12948

20. 阿里云：Qoder 训练案例与 Qwen 应用数据 https://www.alibabacloud.com/blog/602859

21.MacroPolo：The Global AI Talent Tracker 2.0 https://macropolo.org/digital-projects/the-global-ai-talent-tracker/

22. 美国国家科学委员会：中美 STEM 人才与博士教育数据 https://ncses.nsf.gov/pubs/nsbsep20261/stem-talent-education-training-and-workforce-2

23.South China Morning Post：DeepSeek 扩招报道 https://www.scmp.com/tech/big-tech/article/3358394/deepseek-hiring-spree-chinese-ai-firm-seeks-newcomers-it-pursues-agi

24.DeepSeek：DeepSeek-V4 发布说明 https://api-docs.deepseek.com/news/news260424/

25. 阿里云：Qwen 开放模型生态数据 https://www.alibabacloud.com/blog/603042

26OpenAI：GPT-5.6 Sol 模型与 API 价格 https://developers.openai.com/api/docs/models/gpt-5.6-sol

27.Anthropic：Claude Fable 模型与 API 价格 https://www.anthropic.com/claude/fable

28.DeepSeek：API 价格说明 https://api-docs.deepseek.com/quick_start/pricing/

29.OpenAI：2026 年融资说明 https://openai.com/index/accelerating-the-next-phase-ai/

30.Anthropic：Series H 融资说明 https://www.anthropic.com/news/series-h

31.TechCrunch：月之暗面融资报道 https://techcrunch.com/2026/05/07/chinas-moonshot-ai-raises-2b-at-20b-valuation-as-demand-for-open-source-ai-skyrockets/

32.Investing.com：DeepSeek 首次外部融资报道 https://www.investing.com/news/economy-news/deepseek-could-be-valued-at-up-to-50-billion-in-first-fundraising-sources-say-4663090

33.Reuters：美国银行向 OpenAI 提供信贷额度 https://www.reuters.com/legal/transactional/bofa-extends-first-520-million-loan-openai-ahead-ipo-source-says-2026-07-08/

34. 国际能源署：Energy and AI 报告 https://www.iea.org/reports/energy-and-ai

35. 国际能源署：能源与 AI 关键问题报告 https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary

36. 美国联邦能源监管委员会：大型负荷接网改革行动 https://www.ferc.gov/news-events/news/ferc-launches-aggressive-targeted-action-speed-large-load-integration

37. 国家能源局西北监管局：宁夏中卫数据中心 B 园区资料 https://xbj.nea.gov.cn/dtyw/hyxx/202606/t20260626_303639.html

38.OpenAI：企业 AI 使用报告 https://openai.com/business/guides-and-resources/the-state-of-enterprise-ai-2025-report/

39.OpenAI Signals：ChatGPT 全球使用扩展数据 https://openai.com/index/how-chatgpt-adoption-has-expanded/

40. 阿里巴巴：Qwen 接入淘宝与天猫商品体系 https://www.alibabagroup.com/en-US/document-1991231293551017984

41.Google Cloud：Gemini Enterprise 平台说明 https://cloud.google.com/blog/products/ai-machine-learning/the-new-gemini-enterprise-one-platform-for-agent-development

42. 阿里巴巴：2026 年 5 月财报及云业务说明 https://www.alibabagroup.com/en-US/document-1991364841188622336

43. 国家互联网信息办公室：《人工智能生成合成内容标识办法》https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm

44. 国际劳工组织：Generative AI and Jobs https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure

45. 国际劳工组织：不同发展阶段劳动者的 AI 暴露研究 https://live.ilo.org/event/workers-exposure-ai-across-development-stages-2025-11-27

46. 五国网络安全机构：Agent 服务谨慎采用指南 https://www.ncsc.govt.nz/protect-your-organisation/careful-adoption-of-agentic-ai-services/

47.Anthropic：Claude Fable 5 重新部署说明 https://www.anthropic.com/news/redeploying-fable-5

48. 美国商务部工业与安全局：2026 年 5 月先进计算许可指引 https://media.bis.gov/media/documents/bis-guidance-may-31-2026.pdf

Orijinal bağlantı

BlockBeats Resmi Topluluğuna Katılın:

Telegram Abonelik Grubu: https://t.me/theblockbeats

Telegram Sohbet Grubu: https://t.me/BlockBeats_App

Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia