Model adında ne saklı?

A35B, modelin çalışan kısmıdır

Qwen3-Coder-480B-A35B-Instruct adındaki A35B, 35 milyar aktif parametre demek. Modelin toplamda 480 milyar parametresi var, yani modeli oluşturan ve eğitimle öğrenilmiş 480 milyar sayı. Adda A'dan hemen önce gelen 480B de bu toplamı gösteriyor. Model metni, token denen küçük kelime parçaları halinde okuyup yazıyor ve her token için parametrelerinin yalnızca 35B'si iş yapıyor. İki sayı da Qwen'in model kartında yazıyor.

Adda A harfi var, çünkü model bir uzman karışımı (MoE): çok sayıda küçük parçadan kuruluyor ve her token için yalnızca birkaçı çalışıyor. İki sayı size farklı şeylere mal oluyor. Toplam parametre sayısı modelin ne kadar belleğe ihtiyaç duyduğunu belirler, çünkü bütün parçaların yüklenip hazır beklemesi gerekir. Aktif parametre sayısı ise her token için ne kadar iş yapılacağını, yani hızı ve çalıştırma maliyetini belirler. Bu ayrım sayesinde 552B'lik DeepSeek-V4.1-Flash, okuduğu her token için yalnızca 8B ile çalışabiliyor.

Tedarikçi sunumlarında beş aile sürekli karşınıza çıkıyor: Qwen, DeepSeek, Gemini, GPT ve Claude. Qwen ile DeepSeek model dosyalarını ve boyutlarını yayımlıyor. Qwen boyutu adın içinde, DeepSeek ise model kartında veriyor. Claude, GPT ve Gemini hiç boyut açıklamıyor, bu yüzden adları başka kurallara göre kuruluyor.

Model adı nasıl okunur?

Qwen adını tirelerden bölerseniz beş parça çıkar ve her biri ayrı bir soruyu yanıtlar.

Qwen3 hem ailenin adı hem de nesil numarası, Coder ise kullanım alanı, çünkü bu model kod için geliştirilmiş. Ardından iki boyut geliyor, toplamda 480B ve aktif olarak A35B. Sondaki Instruct, modelin talimatları izlemek üzere ince ayarlandığını gösteriyor. Qwen ayrıca bu modelin yalnızca kendi deyişiyle “non-thinking” modunda çalıştığını, yani yanıta geçmeden önce sorunu adım adım çözmediğini belirtiyor.

Boyutlar milyarla bitmiyor. Qwen3.8-2.4T-A95B adındaki T trilyon anlamına geliyor: model 2,4 trilyon, yani 2.400B parametre taşıyor ve her token için bunların 95B'sini kullanıyor.

Adında A olmayan bir modele ikinci kez bakmakta fayda var. Qwen3.6-27B'de A yok, çünkü yoğun (dense) bir model: her token için 27B parametresinin hepsini kullanıyor. OpenAI'ın açık ağırlıklı gpt-oss-120b modelinde de A yok, oysa o bir uzman karışımı, toplamda 117B, aktif olarak 5.1B. Adındaki 120 bile kartındaki 117B'nin yuvarlanmış hali. Ad bir bilgiyi atlıyorsa model kartını okuyun.

FP8 ya da BF16 gibi bir etiket, her parametrenin kaç bit olarak saklandığını, yani sayısal hassasiyeti gösterir: BF16'da 16 bit (2 bayt), FP8'de 8 bit (1 bayt). Qwen3.6-27B-FP8, Qwen3.6-27B'nin 8 bit olarak saklanmış halidir. Daha az bellek ister ama 27B parametrenin hepsini taşır.

Sondaki bir sayı tarih de olabilir. DeepSeek, 10 Eylül 2026'da V4.1-Flash'ı yayımladı, 17 Ekim'de de aynı mimariyle bir güncelleme çıkardı ve adını ay ile günden alarak V4.1-Flash-1017 koydu. Flash, Lite, Pro ve Mini gibi kademe sözcükleri ise ayrı bir konu, çünkü ne anlama geldiklerine her üretici kendisi karar veriyor.

552B'lik model neden 8B'lik gibi çalışır?

Bir MoE modelinde parametrelerin çoğu, uzman denen çok sayıda küçük ağda durur. Her token için bir router bunlardan birkaçını seçer ve yalnızca seçilenler aktif olur, yani çalışır; geri kalanlar bellekte bekler. Aktif uzmanların çıktısı modelin içinden geçip yanıta doğru ilerler.

DeepSeek-V4.1-Flash'ta router'ın seçim yapabildiği 384 uzman bulunuyor. Router her token için bunlardan 6'sını seçiyor ve her seferinde bir ortak uzman da işe katılıyor. DeepSeek'e göre bunun karşılığı, toplam 552B içinde girdinizi okurken 8B, yanıtı yazarken 16B aktif parametre. Qwen3.6-35B-A3B aynı mantıkla daha küçük ölçekte çalışıyor: token başına 256 uzmandan 8'ini ve bir ortak uzmanı kullanıyor, bu da 35B'nin 3B'sine denk geliyor.

Altı modeli yan yana koyduğunuzda, aralarındaki her MoE modelin aktif kısmı toplamının %9'unun altında kalıyor. DeepSeek-V4.1-Flash okurken 552B'nin 8B'sini kullanıyor, yaklaşık %1,4 ile şekildeki en küçük pay. Qwen3.8-2.4T-A95B ile gpt-oss-120b birbirine yakın: 2.4T'nin 95B'si (%4,0) ve 117B'nin 5.1B'si (%4,4). Qwen3-Coder-480B-A35B-Instruct 480B'nin 35B'siyle (%7,3), Qwen3.6-35B-A3B ise 35B'nin 3B'siyle (%8,6) çalışıyor. Her şeyi kullanan tek model yoğun Qwen3.6-27B, o da 27B'nin 27B'sini.

Bellekte durum farklı. Router bir sonraki token için herhangi bir uzmanı seçebileceğinden hepsinin yüklü kalması gerekiyor. Yalnızca ağırlıklar için kabaca bir hesap yeter: toplam parametre sayısını, parametre başına bayt sayısıyla çarpın. Bu, BF16'da milyar parametre başına yaklaşık 2 GB, FP8'de 1 GB, 4 bitte 0,5 GB eder. Bağlam ve modeli sunan yazılım bunun üstüne ayrıca bellek ister.

İki Qwen3.6 modeline bakalım. BF16'daki Qwen3.6-35B-A3B'nin ağırlıkları için yaklaşık 70 GB gerekiyor (35 × 2), oysa token başına yalnızca 3B aktif. Qwen3.6-27B-FP8 için yaklaşık 27 GB gerekiyor (27 × 1) ve her token'da 27B'nin hepsini kullanıyor. Farkın bir kısmı hassasiyetten geliyor. Aynı biçimde saklansalar bile MoE model daha büyük kalıyor, 35B'ye karşı 27B; ama her token'da yine de daha az iş yapıyor, yanıtı da bu sayede hızlı verebiliyor.

Flash, Sonnet ve Luna ne demek?

Claude, GPT ve Gemini yalnızca API ile kullanılıyor: üreticinin servisi üzerinden erişiyorsunuz, model dosyalarını asla indiremiyorsunuz. Adlarında bir nesil numarası ve aynı aile içinde boyut ya da hız düzeyini gösteren bir kademe sözcüğü bulunuyor. Bir kademenin ne için olduğunu ise yalnızca üreticinin kendi açıklaması söylüyor.

Tablodaki tanımlar her üreticinin kendi sayfasından geliyor: Anthropic'in Claude modellerine genel bakış sayfası, OpenAI'ın model sayfası ve Google'ın Gemini model sayfası. Yazıdaki adlar ve rakamlar, üreticilerin 21 Ekim 2026'da yayımladığı haliyle alındı ve bu aileler sık güncelleniyor. Fiyatlar da çabuk değişiyor; her üretici fiyatlarını kendi fiyat sayfasında yayımlıyor.

Anthropic, dört Claude modelini birbirine göre hız açısından da derecelendiriyor: Fable daha yavaş, Opus orta, Sonnet hızlı, Haiku en hızlı. Dördü de metin ve görsel girdisi alıyor. Claude Opus mu, Sonnet mi diye tartıyorsanız, Anthropic çoğu iş yükü için Opus 5.5 ile başlamayı öneriyor.

Bağlam penceresi, yani bir modelin tek seferde alabildiği metin miktarı, dört Claude modelinde, Gemini 4 Argon'da ve Gemini 3.8 Flash'ta 1M token olarak listeleniyor. OpenAI ise üç amiral gemisi modeli GPT-6 Astra, GPT-6.1 Sol ve GPT-6 Luna için 1,05M veriyor. Google'ın Gemini 3.8 sayfası, Gemini 3.8 Flash'ın en fazla 64K token'lık çıktı yazdığını ve düşük, orta ya da yüksek olarak ayarlayabileceğiniz düşünme düzeyleri sunduğunu da ekliyor.

OpenAI, GPT-6.1 Sol'u Astra'ya yakın performanslı olarak tanımlıyor, üstelik numarası GPT-6 Astra'dan yüksek. Demek ki nesil numarası büyüdü diye kademe de yükselmiş olmuyor.

Flash sözcüğüne dikkat edin, çünkü iki üretici onu farklı şeyler için kullanıyor. DeepSeek'in Flash'ı 552B'lik bir açık ağırlıklı model ve DeepSeek onu “yeni mimari ailemizin en küçük modeli, yerleşik görsel anlama özelliğiyle” diye tanımlıyor. Google'ın Flash'ı kapalı bir ailenin hızlı kademesi, boyutu da açıklanmamış. Bir tedarikçi Flash çalıştırdığını söylüyorsa, kimin Flash'ı olduğunu sorun.

Hangi modelleri kendiniz çalıştırabilirsiniz?

Bu yazıdaki Qwen, DeepSeek ve gpt-oss modelleri açık ağırlıklı olarak yayımlanıyor, yani model dosyalarını indirip kendi donanımınızda, lisans koşullarına uyarak çalıştırabilirsiniz. Yine de açık ağırlık her zaman kendi sunucunuzda çalıştırmak anlamına gelmez, çünkü DeepSeek, V4.1-Flash'ı kendi API'si üzerinden deepseek-flash adıyla da sunuyor.

İşe lisanstan başlayın. DeepSeek-V4.1-Flash MIT lisansıyla geliyor, gpt-oss-120b ile dört Qwen modelinden üçü ise Apache 2.0 ile. Buradaki en büyük Qwen, Qwen3.8-2.4T-A95B, kendi Qwen3.8-Max lisansını taşıyor, yani tek bir ailenin içinde bile koşullar farklı olabiliyor. Kendi sunucularınız için Qwen mi DeepSeek mi diye karşılaştırıyorsanız, donanım siparişi verilmeden önce lisansı okuyun.

Ardından donanımı bellek tahminiyle boyutlandırın. DeepSeek'in yayımladığı dosyalar 8 bit (FP8) olarak saklanmış ağırlıklar da içeriyor. Parametre başına 1 bayt hesabıyla 552B, yalnızca ağırlıklar için yaklaşık 552 GB ediyor. Bu, token başına 8B ile 16B arasında çalışan bir model için birkaç GPU'lu bir sunucu demek. OpenAI, gpt-oss-120b'nin uzman ağırlıklarını MXFP4 adlı 4 bitlik bir biçimde saklıyor ve bunun modelin “tek bir 80GB GPU üzerinde çalışmasını” sağladığını söylüyor.

Girdiler ve yanıt tarzı da farklı. DeepSeek-V4.1-Flash metin ve görsel alıyor. Qwen3.8-2.4T-A95B ise yalnızca metinle çalışıyor ve Qwen'in “thinking” modu dediği biçimde yanıt vermeden önce her zaman sorunu adım adım çözüyor. Qwen3.6-35B-A3B bunu varsayılan olarak yapıyor, isterseniz doğrudan yanıt verecek şekilde değiştirebilirsiniz.

Hangi iş için hangi model?

Bir müşteri hizmetleri operasyonu modele birbirinden çok farklı işler verir. Canlı bir çağrıda yanıtın, arayan hâlâ hattayken gelmesi gerekir. Dünkü çağrıların özetini ise kimse beklemez. Tablo üreticilerin kendi tanımlarına dayanıyor, bu yüzden her satırı bir sıralama olarak değil, teste başlanacak yer olarak okuyun.

Tablonun en zorlu satırı canlı görüşme. Arayan her duraklamayı duyar, modelin payı da bunun yalnızca bir kısmıdır. Sesli hattaki beklemenin nereden geldiğini anlatan yazımız bu duraklamayı ölçebileceğiniz parçalara ayırıyor.

İşinize uyan satırdan iki ya da üç aday seçin ve bunları kendi kayıtlı çağrılarınızda, ürün adlarınızla, dillerinizle ve müşterilerinizin gerçekten sorduğu sorularla deneyin. Her adayı işin kendisine göre puanlayın; örneğin özet, arayana söz verilen geri arama saatini yakalamış mı diye bakın.

Bir tedarikçi size sunum yaptığında, canlı görüşmeden yönlendirmeye ve çağrı sonrası özete kadar her adımda hangi modelin çalıştığını sorun. Tam adı isteyin, nesil numarası ve kademesiyle birlikte. Her adım için tek bir ad söyleniyorsa bir soru daha sormaya değer. Başka nelere bakmanız gerektiğini sesli yapay zeka almadan önce sorulacak 30 soruyu anlatan yazımızda bulabilirsiniz.

DRING bu işin neresinde?

DRING'in teknoloji yığını modelden bağımsızdır. Her AI agent'ın arkasındaki konuşma ve akıl yürütme modelleri dile ve iş akışına göre seçilir. Konuşmadan metne, dil modeli ve metinden konuşmaya sağlayıcılarının her biri de önde gelen tedarikçiler arasından agent başına belirlenir. Hepsi yeniden kurulum gerektirmeden ve geri kalan yığına dokunmadan değiştirilebilir. Ayrıntılar model katmanı sayfamızda.

Bir iş akışı, platformu yeniden kurmadan başka bir modele yönlendirilebilir. Bir model sağlayıcısında sorun çıkarsa çağrı çalışan bir sağlayıcıya geçebilir. Mimari incelemenin sıradaki sorularını IT direktörlerine yönelik sayfamız ele alıyor.

Model değişikliği de ilk canlıya çıkış gibi test edilir. Her DRING agent'ı, ilk gerçek aramadan önce şirketinize özel hazırlanmış 1.000 ila 10.000 simüle görüşmeden geçer. Daha güçlü bir model, bütün yığının çalıştırdığı regresyon testlerini geçmeden canlıya çıkmaz ve hiçbir şey yayına girmeden önce sonuçlar önceki sürümle karşılaştırılır. Çağrılarınızın hangi adımına önce bir yapay zeka modeli koymak istediğinizi söyleyin, DRING sizi iki dakikada arar.