Wu Dao 3.0: GPT-5'in Çin Versiyonu

ABD, Çin'in gelişmiş çiplere erişimini kestiğinde, Beijing Yapay Zeka Akademisi bir seçimle karşı karşıya kaldı: kısıtlamalar hakkında şikayet etmek veya bunların etrafından dolaşmak. İkinci seçeneği tercih ettiler.

Temmuz 2023'te başlatılan Wu Dao 3.0, oyun kurallarını değiştiriyor. Manşetler için yarışan devasa trilyon parametreli modeller yok. Bunun yerine, BAAI, artık Çinli startup'ların bir GPU deposuna ihtiyaç duymadan gerçekten çalıştırabileceği kompakt modeller geliştiriyor.

Neden BAAI yönünü değiştirdi

Wu Dao 2.0, 2021'de GPT-3'e rakip olduğunu iddia eden 1,75 trilyon parametreyle manşetlere çıktı. İki yıl sonra, BAAI bu yaklaşımı sessizce rafa kaldırdı. Nedenleri şunlardır:

• ABD çip yaptırımları, gelişmiş GPU'lara erişimi sınırladı
• Eğitim maliyetleri dev modeller için aşırı yüksek hale geldi
• Çin hükümeti politikası, prestij projelerinden çok pratik uygulamalara doğru kaydı
• Piyasa gerçekliği, çoğu şirketin genel amaçlı devlere değil, özelleştirilmiş araçlara ihtiyaç duyduğunu gösterdi

Yeni strateji: Birlikte çalışan daha küçük modellerden (Aquila olarak adlandırılan) bir koleksiyon oluşturmak. Monolitler yerine mikroservisleri düşünün.

Wu Dao 3.0 açıklaması

Wu Dao 3.0 tek bir model değil. Aquila markası altında yayınlanmış özelleşmiş yapay zeka araçlarından oluşan bir ekosistemdir:

AquilaChat: Diyalog modelleri

İki boyut mevcuttur:

• 7 milyar parametre: LLaMA 7B ve benzeri açık kaynak modellerle yarışır
• 33 milyar parametre: Daha karmaşık konuşmaları hedefler

Her ikisi de Çince (%40) ve İngilizce (%60) metinler üzerinde eğitildi. Daha küçük versiyon tüketici donanımında çalışır; bir veri merkezine ihtiyacınız yok.

BAAI, AquilaChat 7B'nin benzer uluslararası modellerden daha iyi performans gösterdiğini iddia ediyor, ancak bağımsız kıyaslama sonuçları sınırlı kalıyor.

Kökenler: Wu Dao nasıl başladı

Geliştirme, GPT-3'ün yayımlanmasından birkaç ay sonra Ekim 2020'de başladı. Wu Dao (悟道) adı Çince'de "farkındalık yolu" anlamına gelir; iddialı bir proje için iddialı bir isimdir.

Wu Dao 1.0, 11 Ocak 2021'de birlikte çalışan dört özelleşmiş modelle yayımlandı. Her biri farklı görevleri üstlendi: Soru-cevap ve dilbilgisi düzeltmeye odaklanan Wen Yuan (2,6 milyar parametre). 50 milyon görsel çifti kullanarak görsel açıklamaları oluşturan Wen Lan (1 milyar parametre). Şiir yazan, video oluşturan ve karmaşık akıl yürütmeyi üstlenen Wen Hui (11,3 milyar parametre). Google'ın BERT'ine dayanan Wen Su, AlphaFold'a benzer protein yapıları tahmin etti.

Ardından 31 Mayıs 2021'de Wu Dao 2.0 geldi. BAAI, GPT-3'ün 175 milyarına kıyasla on kat daha büyük olan 1,75 trilyon parametre iddiasıyla manşetlere çıktı. Medya buna "şimdiye kadarki en büyük dil yapay zeka sistemi" adını verdi. Yorumcular bunu Çin'in Amerikan yapay zeka hakimiyetiyle doğrudan rekabet etme girişimi olarak gördü.

Eğitim verisi gerçeği

Wu Dao 2.0, 4,9 terabayt görsel ve metin, 1,2 TB Çince, 1,2 TB İngilizce ve ayrıca görsel verileri kullandı. GPT-3, yalnızca 45 terabayt metin üzerinde eğitildi. Wu Dao, parametre sayısında on kat daha fazla ancak eğitim verisinde onda birden azdı.

2.0 sürümü için WuDao Corpora veri seti, 3 TB web metni, 90 TB grafiksel veri (630 milyon metin/görsel çifti) ve 1,4 milyar konuşma turunu temsil eden 181 GB Çince diyalog içeriyordu.

Parametre sayısı ve eğitim verisi arasındaki bu uyumsuzluk, önemli bir şeye işaret ediyordu: Wu Dao 2.0, Mixture-of-Experts (MoE) adı verilen farklı bir mimari kullanıyordu. Her görev için tüm parametrelerin aktifleştiği GPT-3'ün "yoğun" modelinin aksine, MoE modeller her girdi için yalnızca ilgili uzmanları aktifleştirir. Bu, eğitim için çok daha az hesaplama gücü gerektirir, ancak araştırmalar, trilyon parametreli MoE modellerinin, yüzlerce kat daha küçük yoğun modellerle karşılaştırılabilir performans gösterdiğini ortaya koymuştur.

Wu Dao 2.0 özellikle, Google'ın MoE varyantı olan FastMoE'yi kullandı. Donanım kısıtlamaları etrafında zeki bir mühendislik olsa da, BAAI'nin pazarlaması bunun yerine ham parametre sayılarını vurguladı.

AquilaCode: Metinden koda üretimi

Hala geliştirme aşamasında. Erken sürümler şunları üretebilir:

• Temel algoritmalar (Fibonacci dizileri, sıralama)
• Basit oyunlar
• Faydalı betikler

Henüz GitHub Copilot veya GPT-4'ün kodlama yetenekleri seviyesinde değil, ancak gelişiyor. BAAI, Çince teknik bağlamlarda kod üretimi ihtiyacı olan geliştiricileri hedefliyor.

Wu Dao görü serisi

Tek bir sistem değil, bilgisayarlı görü modellerinden oluşan bir koleksiyon:

EVA (1 milyar parametre): Görsel temsil öğrenmeye odaklanır. Halka açık veri setleri üzerinde eğitildi ve şu alanlarda yeni kıyaslama sonuçları elde etti:

• Görsel tanıma
• Video eylem algılama
• Nesne algılama
• Bölütleme görevleri

Görü modellerini özel tutan rakiplerinin aksine açık kaynaklıdır.

• EVA-CLIP: BAAI, bunun mevcut en iyi açık kaynak CLIP alternatifi olduğunu iddia ediyor. Arama ve geri getirme için görsel-metin eşleştirmesini yönetir.
• Painter: "Bağlam içi" görsel öğrenmeyi uygular, örnekler gösterir ve yeniden eğitim gerektirmeden yeni görsel görevleri öğrenir. GPT-3'ün metin için bağlam içi öğrenme yapma şekline benzer.
• vid2vid-zero: Sıfır atışlı video düzenleme aracı. Özel video düzenleme veri setleri üzerinde eğitim almadan metin açıklamalarına dayanarak videoları düzenleyin.
• Emu (çok modlu modeller): Tek bir modelde hem görselleri hem de metni yönetir. Kullanım alanları arasında görsel açıklama, görsel soru-cevap ve içerik üretimi yer alır.

FlagOpen: Altyapı Katmanı

BAAI, başlangıçta 2023'te başlattıkları FlagOpen platformunu da geliştirdi. Bu sistem, paralel eğitim teknikleri, daha hızlı çıkarım, değerlendirme araçları ve veri işleme yardımcı programları sunar; temelde büyük yapay zeka modellerini geliştirmek için gereken her şeyi sağlar. ¹

Wu Dao 2.0 ilk olarak Beijing Zhiyuan Konferansı'nda tanıtıldığında, yaratıcıları onun tarafından üretilen Çince şiirleri ve çizimleri sergiledi.² Bu etkinliğin ardından, Wu Dao'nun yapay zeka modeline dayalı sanal bir öğrenci oluşturuldu: Zhibing Hua. Wu Dao, sanal öğrenciyi besler. Bu nedenle, şiir yazmak, çizim yapmak ve beste yapmak için bilgi tabanını ve öğrenme yeteneklerini kullanabilir.

Bu özellikler Wu Dao 3.0 için vurgulanmasa da, Wu Dao 3.0 yerine işletmeniz için Wu Dao 2.0'ı kullanmayı planlıyorsanız değinmeye değerler.

Şekil 1: Wu Dao 2.0 tarafından üretilen şiirler³

Sıfır atışlı öğrenme kıyaslamaları

1. ImageNet: OpenAI'nin CLIP'ini geride bırakarak en son teknoloji sıfır atışlı performansı elde eder.
2. UC Merced Land-Use: Hava arazisi kullanımı sınıflandırmasında en yüksek sıfır atışlı doğruluk kaydını tutar, CLIP'i geride bırakır.

Az atışlı öğrenme kıyaslaması

1. SuperGLUE (FewGLUE): GPT-3'ü geride bırakır ve en iyi az atışlı öğrenme sonuçlarını elde eder.

Bilgi ve dil anlama kıyaslamaları

1. LAMA Bilgi Algılama: AutoPrompt'u geride bırakarak üstün gerçek bilgi geri getirme gösterir.
2. LAMBADA Cloze Testi: Okuma anlama ve bağlam anlama konusunda Microsoft Turing-NLG'yi aşar.

Metinden görsel ve görselden metin geri getirme kıyaslamaları

1. MS COCO (Metinden Görsel üretimi): Metin açıklamalarından görseller üretirken OpenAI'nin DALL·E'sini geride bırakır.
2. MS COCO (İngilizce Görsel-Metin geri getirme): Altyazılardan görselleri (ve tersini) geri getirirken OpenAI'nin CLIP'ini ve Google ALIGN'ı aşar.
3. MS COCO (Çok dilli Görsel-Metin geri getirme): Çok dilli görsel-metin geri getirmede UC2 ve M3P'yi geride bırakır.
4. Multi30K (Çok dilli Görsel-Metin geri getirme): UC2 ve M3P'yi de aşarak güçlü çok dilli çok modlu yeteneklerini doğrular.

Wu Dao 3.0 vs. OpenAI GPT

İşte BAAI'ye dayalı Wu Dao 3.0 LLM modelleri ve çeşitli OpenAI modelleri arasında kapsamlı bir karşılaştırma.⁴ Wu Dao için daha detaylı ve güncel karşılaştırmalar sunamıyoruz çünkü mevcut ve tutarlı kıyaslama sonuçları bulunmuyor.

Uzun bağlam performansı

Dört görevde test:⁵

• VCSUM (Çince özetleme)
• LSHT (Çince uzun dizi işleme)
• HotpotQA (İngilizce çok atımlı akıl yürütme)
• 2WikiMQA (İngilizce çok belgeli soru-cevap)

Akıl yürütme performansı kıyaslaması

6 görevde test:⁶

• bAbI #16 ve CLUTRR (tümevarımsal akıl yürütme)
• bAbI #15 ve EntailmentBank (tümdengelimli akıl yürütme)
• αNLI (tüymevarımsal akıl yürütme)
• E-Care (nedensel akıl yürütme)

Wu Dao'yu kullanmak istiyorsanız, bilgisayarınıza ücretsiz indirerek kurabilirsiniz.⁷

Google Arama'da daha fazla kıyaslamamızı ve veri odaklı içgörülerimizi görün.

Tercih edilen kaynak olarak ekle

Wu Dao 3.0 rakipleri

Qwen3.5

Qwen3.5, Alibaba'dan yerel çok modlu Mixture-of-Experts (MoE) sistemi olarak tasarlanmış açık ağırlıklı büyük dil modeli ailesidir.

Amiral gemisi model (Qwen3.5-397B-A17B), yaklaşık 397B parametre içerir ancak çıkarım başına yalnızca ~17B'yi aktif eder, böylece daha düşük hesaplama maliyetleriyle yüksek performans sağlar.

Model, gelişmiş akıl yürütme, kodlama ve çok modlu anlama desteği sağlarken verimli çıkarım sağlayan seyrek MoE yönlendirme ile Gated Delta Ağları ve lineer dikkati birleştiren hibrit bir mimari kullanır.

Qwen3.5, metin ve görsel girdileri tek bir model içinde işleyip arayüzler hakkında akıl yürütme ve karmaşık çok adımlı görevleri gerçekleştirebilen "yerel çok modlu ajanları" beslemeye olanak tanıyan erken füzyonlu çok modlu veriler üzerinde eğitilmiştir.⁸

Kimi K2.5

Kimi K2.5, kodlama ve iş akışı otomasyonu için ajan merkezli bir mimari etrafında tasarlanmış Moonshot AI'dan açık kaynaklı çok modlu bir modeldir. Model, görsel ve dil yeteneklerini entegre ederek metni, görselleri ve videoyu yorumlarken üretime hazır kod üretmesini sağlar.

K2.5, yaklaşık 15 trilyon çok modlu token üzerinde eğitildi ve araç çağrısı ile otonom ajan iş akışlarının yanı sıra uzun bağlam akıl yürütmesini (yaklaşık 256K token'a kadar) destekler.

Ayırıcı bir özelliği, birden fazla koordine ajanın karmaşık mühendislik veya geliştirme iş akışlarını çözmek için alt görevleri paralel olarak yönetebileceği "ajan sürüsü" paradigmasıdır.

Moonshot, modeli bir kodlama ajanı ile birlikte yayımladı ve Kimi K2.5'i, yapay zeka destekli yazılım sistemleri oluşturmak için özel sınır modellerine yönelik geliştirici odaklı bir alternatif olarak konumlandırdı.⁹

ERNIE 5.0

ERNIE 5.0, Baidu'nun amiral gemisi temel modeli ve metni, görselleri, sesi ve videoyu tek bir mimari içinde işleyen ve üreten yerel omni-modlu bir sistemdir.

Model, raporlara göre verimlilik için çıkarım başına parametrelerin yalnızca bir kısmını aktif ederek yüksek kapasite sağlayan Mixture-of-Experts tasarımı kullanan yaklaşık 2,4 trilyon parametre içerir.

ERNIE 5.0, Baidu'nun ERNIE Bot ve kurumsal Qianfan platformuna entegre edilmiş olup, tüketici ve kurumsal ürünler genelinde çeşitli üretken yapay zeka uygulamalarını desteklemektedir.¹⁰

SSS'ler

Bu araştırmayı kaynak gösterin

Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.

@misc{dilmegani2026,
  author = {Dilmegani, Cem},
  title  = {{Wu Dao 3.0: GPT-5'in Çin Versiyonu}},
  year   = {2026},
  month  = mar,
  howpublished    = {\url{https://aimultiple.com/wu-dao}},
  note   = {AIMultiple. Erişim tarihi: 5 Mart 2026}
}

Referans Linkleri

1.

开源平台旗舰项目

2.

China’s GPT-3? BAAI Introduces Superscale Intelligence Model ‘Wu Dao 1.0’ | Synced

Synced

3.

China’s GPT-3? BAAI Introduces Superscale Intelligence Model ‘Wu Dao 1.0’ | Synced

Synced

4.

智源大会开幕，全球最大智能模型悟道2.0发布

5.

https://model.baai.ac.cn/model-detail/220118

6.

https://model.baai.ac.cn/model-detail/220118

7.

https://model.baai.ac.cn/model-detail/220118

8.

https://model.baai.ac.cn/models

9.

https://qwen.ai/home

10.

GitHub - MoonshotAI/Kimi-K2.5: Moonshot's most powerful model · GitHub

Cem Dilmegani

Baş Analist

Takip Et

Cem, 2017'den beri AIMultiple'da baş analist olarak görev yapmaktadır. AIMultiple, her ay Fortune 500 şirketlerinin %55'i de dahil olmak üzere yüz binlerce işletmeye (benzer Web'e göre) bilgi sağlamaktadır. Cem'in çalışmaları, Business Insider, Forbes, Washington Post gibi önde gelen küresel yayınlar, Deloitte, HPE gibi küresel firmalar, Dünya Ekonomik Forumu gibi STK'lar ve Avrupa Komisyonu gibi uluslararası kuruluşlar tarafından alıntılanmıştır. AIMultiple'ı referans gösteren daha fazla saygın şirket ve kaynağı görebilirsiniz. Kariyeri boyunca Cem, teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yapmıştır. On yıldan fazla bir süre McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararları konusunda danışmanlık yapmıştır. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayınlamıştır. Bir telekom şirketinin CEO'suna bağlı olarak teknoloji stratejisi ve tedarikini yönetmiştir. Ayrıca, 2 yıl içinde sıfırdan 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetmiştir. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınlarında yer aldı. Cem düzenli olarak uluslararası teknoloji konferanslarında konuşmacı olarak yer almaktadır. Boğaziçi Üniversitesi'nden bilgisayar mühendisliği diplomasına ve Columbia Business School'dan MBA derecesine sahiptir.

Tam Profili Görüntüle

Yorum yapan ilk kişi olun

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.

Ad

E-posta Adresi

Yorum

0/450

Yorumu Gönder