Sevgili Turkhacks okurları,Yapay zeka dünyasında artık büyük modellerin parametre sayılarını takip etmek başlı başına bir teknoloji yarışına dönmüş durumda.
Bir tarafta yüz milyarlarca parametreli modeller...
Diğer tarafta daha küçük ama çok daha verimli sistemler...
Ve bütün bunların arasında Çinli teknoloji şirketlerinin son dönemde yaptığı dikkat çekici hamleler var.
Bu kez sahnede Tencent bulunuyor.
Tencent, 28 Ağustos 2026'da yeni nesil yapay zeka modeli Hy4 preview sürümünü yayınladı. Modelin toplam parametre sayısı tam 770 milyar.
Evet, yanlış okumadınız.
770 milyar.
Fakat burada önemli bir ayrıntı var.
Bu 770 milyar parametrenin tamamı her işlem sırasında çalıştırılmıyor.
Hy4, Mixture of Experts yani MoE mimarisini kullanıyor ve her token için yaklaşık 49 milyar parametreyi aktif hale getiriyor.
İşte Hy4'ü ilginç yapan noktalardan biri de tam olarak bu.
Peki Tencent'in yeni modeli neler sunuyor?
Rakipleri karşısında gerçekten güçlü mü?
Bir milyon tokenlık bağlam penceresi ne anlama geliyor?
Ve 770 milyar parametreli bu modeli normal bir bilgisayarda çalıştırmak mümkün mü?
Gelin birlikte bakalım.
Hy4 Nedir?
Hy4, Tencent'in Hunyuan yapay zeka ekibi tarafından geliştirilen yeni nesil bir Mixture of Experts modeli.Modelin resmi teknik bilgilerinde toplam 770 milyar parametre, token başına yaklaşık 49 milyar aktif parametre ve 1.048.576 tokenlık bağlam uzunluğu belirtiliyor.
İlk bakışta 770 milyar rakamı insanın gözünü korkutuyor.
Ama Hy4'ün çalışma mantığını anlamak için parametre sayısına tek başına bakmamak gerekiyor.
Çünkü modelin bütün uzmanları aynı anda çalışmıyor.
770 Milyar Parametrenin Tamamı Aynı Anda Çalışmıyor
Sevgili Turkhacks okurları, burada küçük ama önemli bir teknik ayrıntı var.Hy4'te 256 yönlendirilmiş uzman ve 1 ortak uzman bulunuyor. Her token işlendiğinde bu uzmanların tamamı yerine belirli uzmanlar seçiliyor.
Model her token için en üstteki 8 yönlendirilmiş uzmanı ve ortak uzmanı aktive ediyor.
Bu nedenle toplam model büyüklüğü 770 milyar parametre olmasına rağmen aktif hesaplama yaklaşık 49 milyar parametre seviyesinde kalıyor.
Bunu basit bir örnekle düşünelim.
Bir şirkette 256 uzman olduğunu düşünün.
Her müşterinin sorusuna bütün uzmanların cevap vermesi gerekmiyor.
Sorunun konusuna göre en uygun 8 uzman seçiliyor.
İşte MoE yaklaşımının temel mantığı buna benziyor.
Bir Milyon Tokenlık Bağlam Ne İşe Yarıyor?
Hy4'ün en dikkat çekici özelliklerinden biri parametre sayısından bile daha önemli olabilir.1 milyon tokenlık bağlam penceresi.
Peki bu ne demek?
Yapay zekaya çok büyük miktarda metin ve bilgi sağlayabilmek demek.
Örneğin devasa bir yazılım projesini düşünün.
Yüzlerce dosya...
Binlerce satır kod...
Teknik dokümanlar...
Hata kayıtları...
Test sonuçları...
Normal bir model bunların tamamını aynı anda değerlendiremeyebilir.
Bir milyon tokenlık bağlam desteği ise çok daha büyük bilgi kümelerinin tek oturum içerisinde ele alınabilmesine imkan veriyor.
Tencent'in resmi model kartında Hy4'ün bağlam uzunluğu 1.048.576 token olarak belirtiliyor.
Tabii burada önemli bir nokta var.
Bir modelin teknik olarak 1 milyon token kabul edebilmesi, her zaman bu uzunluğun tamamında aynı kalitede sonuç vereceği anlamına gelmez.
Gerçek kullanım performansı ayrıca test edilmeli.
Ama yine de kapasitenin kendisi oldukça dikkat çekici.
Hy4 Sadece Sohbet İçin Geliştirilmedi
Hy4'ün hedefi klasik anlamda "soru sor, cevap al" sisteminden biraz daha geniş.Tencent modeli özellikle üretkenlik odaklı görevler için konumlandırıyor.
Bunların arasında:
- Yazılım geliştirme,
- Kod analizi,
- Akademik araştırma,
- Veri analizi,
- Finansal analiz,
- Oyun geliştirme,
- Ajan görevleri
Yani Tencent'in hedeflediği kullanıcı yalnızca günlük sohbet yapan kişi değil.
Yazılımcı...
Araştırmacı...
Analist...
Mühendis...
Kurumsal kullanıcı...
Hy4'ün asıl hedef kitlesi daha çok profesyonel işler yapan kullanıcılar gibi görünüyor.
Kodlama Konusunda İddialı
Sevgili Turkhacks okurları, yapay zeka yarışında artık kodlama performansı çok önemli.Çünkü iyi bir modelin sadece Python kodu yazması yetmiyor.
Gerçek projeyi anlaması gerekiyor.
Hata bulması gerekiyor.
Terminal araçlarını kullanabilmesi gerekiyor.
Test yazması gerekiyor.
Kodun neden çalışmadığını anlayabilmesi gerekiyor.
Hy4 de bu nedenle yazılım mühendisliği ve ajan görevlerine özellikle ağırlık veriyor.
Tencent'in kendi uzmanlarıyla gerçekleştirdiği kör değerlendirmede 203 mühendislik görevi üzerinde Hy4'ün ortalama 2,99/4 puan aldığı; karşılaştırmada GLM 5.3'ün 2,92 ve Kimi K3'ün 2,94 seviyesinde kaldığı açıklandı. Bu sonuçların şirket içi değerlendirme olduğunu ve bağımsız benchmark olarak değerlendirilmemesi gerektiğini de özellikle belirtelim.
Hy4 Ajan Mantığına Neden Önem Veriyor?
Bence modelin en ilginç taraflarından biri burada.Yapay zeka sektöründe artık chatbot döneminden ajan dönemine geçiş yaşanıyor.
Chatbot:
"Bu kodda hata var."
diyebilir.
Ajan ise:
"Hatayı buldum, dosyayı değiştirdim, testi çalıştırdım ve sonucu kontrol ettim."
demeye çalışıyor.
Aradaki fark oldukça büyük.
Hy4'ün yazılım mühendisliği, araştırma ve araç kullanımı gibi görevlerde konumlandırılması da bu değişimin bir parçası.
Hy4'ün Mimarisinde Başka Neler Var?
Model yalnızca MoE kullanmıyor.Tencent'in teknik açıklamasına göre Hy4'te Gated DeepSeek Sparse Attention (Gated DSA) yaklaşımı ve IndexCache kullanılıyor.
Bunun yanında modelin artık yolunda identity Hyper-Connections (iHC) adı verilen bir yapı bulunuyor.
Teknik isimler biraz karmaşık gelebilir.
Basitçe söylemek gerekirse Tencent burada çok büyük bir modelin dikkat mekanizmasını daha verimli hale getirmeye çalışıyor.
Çünkü model büyüdükçe her tokenın bütün geçmişe bakması çok pahalı hale geliyor.
Bu nedenle daha seçici ve seyrek hesaplama yöntemleri önem kazanıyor.
770 Milyar Parametreli Model Bilgisayarda Çalışır mı?
İşte herkesin merak ettiği soru.Kısa cevap:
Normal bir bilgisayarda doğrudan çalıştırmak kolay değil.
Hy4'ün BF16 ağırlıklarının dosya boyutu yaklaşık 1,56 TB seviyesinde.
FP8 sürümünde ise yaklaşık 814 GB civarında bir ağırlık boyutundan söz ediliyor.
Dolayısıyla "770 milyar parametreli modeli indirdim, oyun bilgisayarımda çalıştırıyorum" şeklinde bir durum beklememek gerekiyor.
Ciddi miktarda GPU belleği ve sunucu altyapısı gerekiyor.
Ancak MoE mimarisi sayesinde her token için bütün parametrelerin aktif olmaması, modeli dense 770B bir modelden daha verimli hale getiriyor.
Açık Ağırlık Olması Neden Önemli?
Hy4'ün önemli taraflarından biri de model ağırlıklarının erişilebilir olması.Model, Apache 2.0 lisansı altında sunuluyor. Bu da geliştiricilere ve şirketlere oldukça geniş kullanım imkanları sağlıyor.
Burada yine küçük bir ayrım yapalım.
"Açık ağırlık" ile "tam anlamıyla açık kaynak" kavramları teknik olarak aynı değil.
Ancak kullanıcı açısından bakıldığında model ağırlıklarının indirilebilir olması çok önemli.
Çünkü geliştirici:
- Modeli kendi altyapısında çalıştırabilir.
- Kendi sistemine entegre edebilir.
- Fine-tuning yapabilir.
- Farklı uygulamalar geliştirebilir.
- Ticari projelerde kullanabilir.
Tencent Neden Modeli Açtı?
Bence burada daha büyük bir strateji var.Çinli yapay zeka şirketleri son dönemde açık ağırlıklı modeller konusunda oldukça agresif davranıyor.
DeepSeek...
Alibaba Qwen...
Tencent Hy4...
Bu modellerin dünya çapında geliştiricilere ulaşması Çin'in yapay zeka ekosistemini küresel ölçekte büyütmek açısından önemli.
Üstelik geliştiriciler güçlü bir modeli ücretsiz veya düşük maliyetle kullanabiliyorsa, modelin yayılması çok daha hızlı olabiliyor.
Bu durum OpenAI, Google ve Anthropic gibi kapalı model sağlayıcıları açısından da ciddi bir rekabet baskısı oluşturuyor.
Hy4 Rakipleriyle Karşılaştırıldığında Nerede?
Şimdi biraz daha genel bir tabloya bakalım.Model | Güçlü Olduğu Alan | Açık Ağırlık | Uzun Bağlam |
|---|---|---|---|
| Tencent Hy4 | Kodlama, ajan, araştırma |  |  |
| Qwen ailesi | Genel AI, kodlama | | |
| DeepSeek | Reasoning, kodlama | | |
| Claude | Kodlama, analiz |  | |
| Gemini | Multimodal, genel AI | | |
| ChatGPT | Genel kullanım, ajanlar | | |
Benchmarklar farklı yöntemlerle gerçekleştiriliyor.
Üstelik modellerin güçlü olduğu alanlar da birbirinden farklı.
Hy4 Kendi Sistemini Optimize Etti mi?
Sevgili Turkhacks okurları, işin biraz daha ilginç kısmına geldik.Tencent, Hy4 geliştirme sürecinde modelin kendi eğitim ve çıkarım altyapısının bazı bölümlerinin optimizasyonuna yardımcı olduğunu söylüyor.
Şirketin açıklamasına göre bu çalışmalar sonucunda uçtan uca çıkarım throughput'unda başlangıç sistemine kıyasla %31,8 artış elde edildi.
Bu oldukça dikkat çekici.
Fakat burada da heyecana kapılıp "model kendi kendini geliştirdi" demek biraz fazla iddialı olur.
Daha doğru ifade şu:
Hy4, geliştirme sürecinde kendi eğitim ve çıkarım sistemlerinin bazı optimizasyonlarında kullanıldı.
Yapay zekanın tamamen bağımsız biçimde kendisini geliştirmesi ise çok daha farklı ve çok daha büyük bir konu.
API Fiyatları da Dikkat Çekiyor
Hy4 yalnızca indirilebilir bir model olarak kalmıyor.API üzerinden de kullanılabiliyor.
Güncel bilgilerde Tencent Cloud TokenHub üzerinden Hy4 için milyon input token başına yaklaşık 0,834 dolar, milyon output token başına ise yaklaşık 2,501 dolar fiyatlandırma bilgisi yer alıyor.
Bu da şirketlerin devasa modeli kendi donanımlarında çalıştırmadan kullanabilmesine imkan veriyor.
Yani önümüzde iki seçenek var:
Donanımı kur ve modeli kendin çalıştır.
veya
API üzerinden modele eriş.
Bu da Hy4'ün daha geniş bir kullanıcı kitlesine ulaşmasını sağlayabilir.
1 Milyon Tokenlık Bağlam Gerçek Hayatta Ne Sağlar?
Biraz daha somut düşünelim.Bir yazılım şirketinde milyonlarca satırlık bir proje olduğunu varsayalım.
Geliştirici modele:
"Bu projede performans sorununa neden olan bölümleri bul."
diyor.
Modelin çok büyük miktarda kodu aynı bağlam içerisinde değerlendirebilmesi, dosyaları parça parça gönderme ihtiyacını azaltabilir.
Başka bir örnek:
Yüzlerce sayfalık teknik dokümantasyon.
Finansal raporlar.
Araştırma makaleleri.
Uzun sözleşmeler.
Büyük veri çıktıları.
Bunların tamamını tek çalışma akışı içerisinde değerlendirmek çok daha kolay hale gelebilir.
İşte uzun bağlamın gerçek avantajı burada.
Fakat Büyük Model Her Zaman Daha İyi Değil
Burada bir parantez açmak gerekiyor.770 milyar parametre görmek insanı ister istemez etkiliyor.
Ama yapay zeka dünyasında:
Daha büyük = kesinlikle daha iyi
diye bir kural yok.
Mimari...
Eğitim verisi...
Eğitim yöntemi...
Akıl yürütme...
Çıkarım optimizasyonu...
Araç kullanımı...
Bütün bunlar sonucu etkiliyor.
Bu nedenle Hy4'ü sadece "770 milyar parametreli model" olarak değerlendirmek yerine, 770 milyar parametreyi nasıl kullandığına bakmak gerekiyor.
Tencent'in Büyük Planı Ne?
Bence Hy4 tek başına düşünülmemeli.Tencent daha büyük bir Hunyuan ekosistemi kurmaya çalışıyor.
Şirketin önceki Hy3 modelinden sonra daha büyük modellere geçeceğini açıklaması da bu stratejinin devamı niteliğinde. Tencent'in daha önce Hy3 kullanımının OpenRouter üzerinde ciddi seviyelere ulaştığını ve sonraki adımda daha büyük modeller, daha iyi veri ve daha güçlü RL çalışmaları hedeflediğini belirttiği görülüyor.
Yani Hy4:
Son durak değil.
Büyük ihtimalle yeni bir başlangıç.
Sevgili Okurlar
Tencent'in 770 milyar parametreli Hy4 preview modeli, 2026 yapay zeka yarışının artık ne kadar büyük bir noktaya ulaştığını gösteren önemli örneklerden biri.770 milyar toplam parametre...
49 milyar aktif parametre...
1 milyon tokenlık bağlam...
256 uzman...
Kodlama ve ajan odaklı kullanım...
Apache 2.0 lisansı...
Bütün bunlar modeli oldukça dikkat çekici hale getiriyor.
Üstelik Hy4 yalnızca büyük bir model değil.
Tencent burada aynı zamanda verimli MoE mimarisi, uzun bağlam, açık ağırlık ve profesyonel kullanım gibi konuları aynı pakette birleştirmeye çalışıyor.
Elbette modelin gerçekten OpenAI, Google, Anthropic veya diğer güçlü rakiplerin karşısında nerede durduğunu söylemek için daha fazla bağımsız test görmek gerekiyor.
Çünkü şirketlerin kendi benchmarkları her zaman tek başına yeterli değil.
Ama bir şey kesin.
Sevgili Turkhacks okurları, yapay zeka yarışında Çinli şirketlerin ağırlığı giderek artıyor ve Tencent'in Hy4 modeli bunun yeni örneklerinden biri. Bundan birkaç yıl önce 770 milyar parametreli bir modelin açık ağırlıklarla geliştiricilerin kullanımına sunulması oldukça uzak bir ihtimal gibi görünüyordu.
Bugün ise böyle bir modeli indirip kendi altyapınızda çalıştırmayı konuşuyoruz.
Üstelik yarış burada bitmeyecek.
Daha büyük modeller gelecek.
Daha uzun bağlamlar göreceğiz.
Daha gelişmiş ajanlar ortaya çıkacak.
Ve belki de en önemlisi, yapay zekalar sadece bize cevap vermek yerine gerçekten bizim için çalışmaya başlayacak.
Hy4'ün asıl başarısı belki de 770 milyar parametre olması değil.
Bu kadar büyük bir modeli daha verimli, daha erişilebilir ve gerçek işlerde kullanılabilir hale getirme çabası.
Bundan sonrası ise oldukça heyecanlı olacak.
Bir dahaki makalemizde görüşene kadar mavi ekransız ve sorunsuz sistemlerle çalışmanız dileği ile... Hoşçakalın
