Yapay zeka teknolojileri her geçen gün baş döndürücü bir hızla gelişirken, bu devasa yarışta bazı oyuncular beklentileri aşan atılımlarıyla dikkatleri üzerine çekiyor. Son dönemin en çok konuşulan isimlerinden biri de şüphesiz Çin merkezli yapay zeka şirketi Minimx. Dün, yani 17 Haziran tarihinde, Minimx'in yayınladığı Minimax M1 modeli, yapay zeka dünyasında adeta bir bomba etkisi yarattı. AI Mevzuları kanalının konuşmacısı, bu modelin hem mimarisi hem de yetenekleriyle uzun bağlam işleme, yazılım mühendisliği ve karmaşık görevlerde öne çıktığını bildirdi. Ancak asıl dikkat çeken nokta, böylesine yetenekli bir modelin inanılmaz derecede ucuza mal edilmiş olması. Konuşmacıya göre, yapay zeka modellerini sıfırdan eğitmek maliyetli olsa da, çeşitli mimarileri ve modelleri farklı dillerle zenginleştirmek oldukça düşük maliyetli olabilir ve Çin bunu "bizim imkansız gözüyle baktığımız birçok şeyi başararak" yapıyor.

Minimax M1'in teknik detayları, sektör uzmanlarını bile şaşkına çevirecek nitelikte. AI Mevzuları kanalının konuşmacısı, bu modelin genellikle Çin modellerinin çoğunda olduğu gibi açık ağırlıklı (open-source) olduğunu belirtti. Model, büyük ölçekli bir hibrit dikkat sistemine ve uzman karışımı (Mixture of Experts - MoE) yapısına sahip. En dikkat çekici özelliklerinden biri ise, hibrit yapısı ve 1 milyon token doğal bağlam desteği ile bu alanda bir ilk olması. Konuşmacının aktardığı bilgilere göre, Minimax M1'in eğitim maliyetinin yanılmıyorsa 540.000 dolara kadar düşmüş olması inanılmaz bir başarı olarak nitelendirildi. 1 milyon token uzunluğundaki doğal bağlam desteği, özellikle uzun belgelerin ve yazılım projelerinin girdi olarak algılanması, okunması, işlenmesi ve anlaşılması bakımından büyük avantaj sağlıyor. Bu bağlam sayısı ne kadar fazlaysa, modelin karmaşık verileri o kadar iyi işlemesi ve doğru çıktı vermesi anlamına geliyor. Aslında, bu ve benzeri gelişmelerin Türkiye'deki yapay zeka alanına nasıl entegre edilebileceği konusunda detaylı analizler ve çözüm önerileri, tıpkı https://www.avazturk.com gibi platformlarda da bulunabilir ve tartışılmaya devam etmektedir.

Modelin hesaplama verimliliği de takdire şayan. AI Mevzuları kanalının konuşmacısı, Minimax M1'in örneğin Deepsik R1'e göre 100 bin token'lık bir üretimde %25 oranında daha az hesaplama gücüyle aynı sonucu ortaya koyduğunu vurguladı. Bu durum, modeli hem güçlü hem de pratik bir seçenek haline getiriyor ve Çin modellerinin bu kadar atılgan olmasının arkasındaki nedenlerden biri olarak gösteriliyor. Minimax M1'in eğitim sürecinde ise pekiştirmeli öğrenme (reinforcement learning) veya diğer adıyla "geniş kapsamlı pekiştirmeli öğrenme" kullanılmış. Bu yöntem, modelin deneme yanılma yoluyla öğrenmesini, doğru eylemlerde ödül alıp yanlışlarda ceza alarak en iyi stratejiyi zamanla geliştirmesini sağlıyor. Bu sayede Minimax M1 gibi modeller, matematiksel akıl yürütmeden gerçek dünyadaki yazılım görevlerine kadar birçok alanda test edilmiş ve Software Engineering Bench Verified ile TA bench gibi benchmarklarda oldukça iyi skorlar almıştır. AI Mevzuları kanalının konuşmacısı, Minimax M1'in yalnızca bir dil modeli olmadığını, aynı zamanda etkin bir akıl yürütme aracı olduğunu da belirtti. Tool calling yeteneklerinde ve kullanıcı arayüzü (UI) konusunda da oldukça sağlam olduğu söyleniyor.

Minimax M1'in yeteneklerini test etmek için AI Mevzuları kanalının konuşmacısı, çeşitli uygulamalar gerçekleştirdi. OpenRouter üzerinden API ile veya kendi platformları üzerinden modelin kullanılabileceğini belirten konuşmacı, özellikle "agent modu"nun gelecekte bir zorunluluk haline geleceğini düşündüğünü ifade etti. Agent modunda, modelin günlük 1000 kredi sunduğu ve sanal bir makine üzerinde web sitelerini inceleyerek, Twitter gibi platformlara bile girerek görsel çekmeye kadar birçok işi yapabildiği gösterildi. Hata yönetimi özelliği de bulunuyor; kod yazarken bir hata oluşursa, model durup düzeltmeleri kendi başına yapıyor. Ancak bu hata çözüm sürecinin "inanılmaz derecede fazla kredi yediği" ve bunun "büyük bir eksi" olduğu belirtildi. Örneğin, AI Mevzuları kanalının konuşmacısı bir YouTube kanalı için interaktif bir web sitesi oluşturmasını istediğinde, modelin YouTube'a gidip kanal bilgilerini (video isimleri, abone sayısı vb.) ayıklayarak mükemmel bir web sitesi dashboard'u oluşturduğunu gösterdi. Bu dashboard'un tasarımının "mükemmel" olduğu ve kanalın yeni ana sayfası olarak kullanılabileceği bile ifade edildi.

Minimax M1'in chat modunda da testler yapıldı. AI Mevzuları kanalının konuşmacısı, interaktif bir hava durumu dashboard'u yapmasını istediğinde "fena değil" ama "profesyonel değil" şeklinde yorumlasa da, bu kadar düşük maliyetle eğitilmiş yeni bir modele göre "çok iyi sonuçlar" verdiğini belirtti. Ayrıca, modelin 22 sayfalık yabancı bir makaleyi PDF olarak yükleyip Türkçe olarak özetleme yeteneği de test edildi. Konuşmacı, bu özelliğin "mükemmel" çalıştığını ve Minimax M1'in PDF'i analiz ederken Türkçe dil bilgisi ve özetleme teknikleri üzerine de araştırma yaptığını vurguladı. Özellikle "Self Adapting Language Models (SeAL)" adlı yeni bir framework'ün tanıtıldığı bu makalenin özetlenmesi, modelin "rock" (Retrieval-Augmented Generation) kısmının ne kadar iyi çalıştığını gösterdi. Ayrıca AI Mevzuları kanalının konuşmacısı, MIT'den yayınlanan bu makalede doktora yapan ve şu an OpenAI'da mühendis olarak çalışan Ekin Akyürek adlı bir Türk mühendisten bahsederek gurur duyduğunu ifade etti.

Agent moduyla yapılan diğer başarılı projeler arasında, bir web sitesinin SEO analizini yapması ve interaktif bir dashboard'a dönüştürerek kritik sorunları, çözüm önerilerini ve iyileştirme analizlerini sunması yer alıyor. Bu özelliğin, web sitesi sahipleri için "mükemmel" bir araç olduğu belirtildi. Ayrıca, Andrej Karpathy'nin kim olduğunu araştırıp bir portföy web sitesine dönüştürme, kişisel portföy tasarlama, interaktif 3D araba sürüş simülasyonu, integral öğrenme simülasyonu, fizik atış dashboard'u ve roket simülasyonu gibi karmaşık görevlerde de modelin "muazzam" sonuçlar verdiği gözlemlendi. Özellikle integral ve fizik simülasyonlarının, öğrencilerin öğrenmeyi kolaylaştıran, görselliği ve etkileşimi artıran "mükemmel" araçlar olduğu vurgulandı.

Genel testler kapsamında Minimax M1, matematik, fizik, kimya, biyoloji (ileri lise konuları dahil), yaratıcı yazma, derin düşünme, mantıksal muhakeme, olasılık ve görsel anlama yeteneklerinde toplam 16 sorunun tamamına doğru cevap verdi. Özellikle bir Yunan salatası görselini analiz ederek içindeki sebzeleri, peynir türünü ve sunum şeklini doğru tespit etmesi, modelin görsel anlama becerisinin ne denli gelişmiş olduğunu gösterdi. Benchmark kıyaslamalarında da Minimax M1, 2024 benchmarklarında 186 skor alarak Opus ve Gemini 2.5 Pro gibi güçlü modellerle yakın performans sergilediği görüldü. Özellikle yazılım mühendisliği benchmarklarında Deepsik Arvan'dan iyi skorlar alması, agentic araç kullanımında da rakipleriyle kafa kafaya yarışması modelin potansiyelini ortaya koyuyor.

Minimax M1'in beta sürümünde olmasına rağmen ortaya koyduğu bu başarılar, AI Mevzuları kanalının konuşmacısı tarafından "mükemmel" ve "harika" olarak defalarca nitelendirildi. Konuşmacı, bu modelin "düşük maliyetle eğitilmiş" veya "zenginleştirilmiş" bir LLM olarak "başarıya ulaştığını" ve gelecekte "bayağı ses getireceğini" belirtti. Yapay zeka alanında kendi kendine model inşa edemeyen ülkemiz için dahi, AI Mevzuları kanalının konuşmacısı, iyi bir mimari seçip Türkçe ile zenginleştirilmiş bir model inşa edersek 2030-2035'lerde "yapay zeka LLM alanlarında biz de söz sahibi olabiliriz" diyerek umut verdi. Bu kadar düşük maliyetle, bu denli iyi bir model ortaya çıkarılması, birçok kişinin "imkansız" gördüğü şeylerin aslında başarılabileceğinin en büyük kanıtı olarak yapay zeka dünyasında yeni bir dönemin kapılarını aralıyor!