Düzenleme
Anysphere, Cursor’ı Çin menşeli açık ağırlıklı modellerden uzaklaştırmayı değerlendiriyor

Öne çıkan noktalarAnysphere'ın keşif amaçlı aşamalı kaldırma hamlesi, jeopolitik riskin artık yapay zeka…
Daha fazla göster
- Anysphere'ın keşif amaçlı aşamalı kaldırma hamlesi, jeopolitik riskin artık yapay zeka kodlama platformu tedarik kararlarını şekillendirdiğine işaret ediyor.
- Composer 2, kamuya yalnızca bağımsız bir geliştirici tarafından tanımlanan bir Moonshot AI temeli üzerine inşa edildi.
- Güvenilir alternatifler mevcut olmadan önce Çin açık ağırlıklı modellerin kaldırılması maliyetleri artırabilir ve pazarı yoğunlaştırabilir.
Cursor yapay zekâ kodlama platformunun geliştiricisi Anysphere, 20 Kasım 2026’da yayımlanan ortak Kongre raporuna göre, jeopolitik risk nedeniyle Çin’de geliştirilen açık ağırlıklı yapay zekâ modellerini aşamalı olarak kullanımdan kaldırma olasılığını araştırmayı planladığını Temsilciler Meclisi soruşturmacılarına bildirdi.
Bu açıklama, tamamlanmış bir kullanımdan kaldırma sürecini değil, araştırma aşamasındaki bir planı ifade ediyor; komiteler nihai bir karar ya da takvim açıklamadı. Temsilciler Meclisi İç Güvenlik Komitesi ile Temsilciler Meclisi Çin Özel Komitesi, Nisan 2026’da başlayan ve 31 Temmuz 2026’da Airbnb ile Anysphere’den DoorDash’i de kapsayacak şekilde genişletilen soruşturmanın ardından bulgularını yayımladı.
Açık ağırlıklı modellerin eğitilmiş parametreleri indirilebilir, çalıştırılabilir ve ilk geliştiriciden bağımsız biçimde değiştirilebilir; bu sayede türev modeller, sürekli bir ticari ilişki olmadan yaygınlaşabilir. Komiteler, Cursor’ın amiral gemisi tescilli modeli Composer 2’nin, kimliği bağımsız bir geliştirici tarafından belirlenene kadar kamuoyunca bilinmeyen bir Moonshot AI temel modeli üzerine kurulduğunu belirtti.
Cursor’ın teknik raporu, bu temel modeli Kimi K2.5 olarak tanımlıyor. Composer 2, ağırlıklı olarak kod içeren bir veri karışımıyla devam ön eğitimi aldı; ardından, kullanıma sunulan modelle aynı araçların ve çalışma altyapısının kullanıldığı gerçekçi Cursor oturumlarında büyük ölçekli pekiştirmeli öğrenmeden geçirildi.
Çin Modelleri Neden Sisteme Entegre Oldu?
Airbnb, Alibaba’nın Qwen modellerinin özelleştirilmiş sürümlerinin, günde yaklaşık 80.000 misafir ve ev sahibi etkileşimini yöneten bir yapay zekâ asistanına destek verdiğini bildirdi. Şirket ayrıca, günde yaklaşık 250.000 destek vakasını ve çağrıyı özetleyen, ince ayar yapılmış bir model kullandığını belirtti. Her iki model de ABD merkezli hizmet sağlayıcıların altyapısında çalışıyor.
DoorDash, en az 5.000 dolarlık bilgi işlem ve sunum maliyetine yol açması ölçüt alınarak kayda değer ölçekte yetkilendirilip kullanıma alınmış 25 Çin menşeli model ailesi bulunduğunu bildirdi. Şirket, daha büyük bir sisteme entegre edilmiş Çin’de geliştirilmiş tek bir modelin değiştirilmesinin altı aya kadar sürebileceğini, diğer kullanımların çoğunun ise neredeyse hemen başka modellere geçirilebileceğini tahmin etti.
Komiteler, benimsenmeyi teşvik eden etkenler arasında maliyet, özelleştirme ve en ileri modellere yakın performansı saydı; ayrıca ABD’nin piyasanın talep ettiği fiyat ve performans düzeyinde rekabetçi bir açık ağırlıklı alternatife sahip olmadığını belirledi.
Raporda, bir milyon girdi belirteci ve bir milyon çıktı belirteci (model kullanımını ölçmek için kullanılan küçük sözcük ve karakter parçaları) için yayımlanan API fiyatları karşılaştırılıyor:
| Model | Geliştirici | Yaklaşık Maliyet |
|---|---|---|
| Qwen3-235B-A22B-Instruct | Alibaba | $1.15 |
| DeepSeek-R1 | DeepSeek | $2.74 |
| Kimi K2.6 | Moonshot AI | $4.95 |
| Claude Opus 4.8 | Anthropic | $30 |
| GPT-5.5 | OpenAI | $35 |
Bu rakamlar; yetenek, önbelleğe alma, toplu alım indirimleri, promosyonlar veya modelleri kendi altyapısında barındırmanın maliyetleri arasındaki farkları hesaba katmıyor. Fiyat baskısının benimsenmeyi nasıl teşvik ettiğini gösteren bu rakamların yanı sıra, açık ağırlıklı modeller şirketlerin modelleri kendi verileriyle ince ayardan geçirmesine ve denetimleri altındaki altyapıda çalıştırmasına da olanak tanıyor.
Güvenlik kaygısı, modelin nerede barındırıldığından ayrı bir konu. Modelleri ABD altyapısında çalıştırmak verilerin doğrudan açığa çıkma riskini azaltıyor; ancak rapora göre bu, temel modelin nasıl eğitildiğini veya sıradan değerlendirmelerin gözden kaçırabileceği koşullarda nasıl davranabileceğini değiştirmiyor.
Önerilen Kısıtlamalar ve İkame Riskleri
Raporun 12 önerisi, kendi başına herhangi bir kısıtlama getirmiyor. Öneriler, DeepSeek ürün ve hizmetlerini federal sivil kurumların tedarik süreçlerinin dışında tutan ve DeepSeek üzerine kurulu üçüncü taraf ürünler de dâhil olmak üzere bu ürün ve hizmetlerin kurum sistemlerinden kaldırılmasını zorunlu kılan İç Güvenlik Bakanlığı kararını temel alacak. Komite başkanları, bu kısıtlamaların federal bilgi sistemlerinde ve federal sözleşme kapsamındaki çalışmalarda kullanılan diğer Çin menşeli modellere ve bunların türevlerine de genişletilmesini; araştırma, test ve savunma amaçlı güvenlik çalışmaları için sınırlı muafiyetler tanınmasını öneriyor. Ayrıca, bu model ve türevlerinin dar kapsamlı biçimde tanımlanan yüksek riskli kritik altyapı işlevlerinde kullanılmasının yasaklanmasını; kaldırma takvimlerinin güvenilir alternatiflerin bulunmasına bağlanmasını ve güvenilir bir ikamenin olmadığı durumlarda geçici istisnalar tanınmasını tavsiye ediyorlar.
Kuralların uygulanabilir olmasını sağlamak için, Ulusal Standartlar ve Teknoloji Enstitüsü’nün öncülüğünde bir model kökeni standardı ve makine tarafından okunabilir bir yapay zekâ bileşen listesi; temel modelleri, önemli ince ayarları ve damıtma kaynaklarını belgeleyecek. Bu gereklilik, federal yüklenicileri ve yüksek riskli kritik altyapı işlevlerinde kullanılan yapay zekâyı kapsayacak; diğer alanlarda ise gönüllü olacak. Ulusal ölçekte bir Amerikan açık ağırlıklı yapay zekâ girişimi; kamuya ait bilgi işlem kaynaklarını, ortak değerlendirme altyapısını, Amerikan öncü modellerinin çıktılarının eğitim amacıyla nitelikli açık ağırlıklı model geliştiricilerine gönüllü olarak lisanslanmasını ve federal hükümetin öncü alıcı talebini bir araya getirecek.
Komiteler, güvenilir açık ağırlıklı alternatifler ortaya çıkmadan Çin modellerinin kaldırılmasının maliyetleri artırabileceği ve pazarı kapalı, tescilli sağlayıcılar arasında yoğunlaştırabileceği konusunda uyarıyor. Bu nedenle Anysphere’in araştırma aşamasındaki planı, uygulamadaki daha kapsamlı sınamayı gözler önüne seriyor: Kısıtlamaların, sistemlere yerleştirilmiş modelleri tespit etmeye yarayan güvenilir model köken kayıtlarına ve Çin’in açık ağırlıklı modellerini daha yüksek maliyetlerle ya da kapalı modellere bağımlılıkla takas etmekten kaçınmayı sağlayacak inandırıcı alternatiflere ihtiyacı var.












