Program
AI Ajanının Temelleri
6 sa
Alibaba, en yeni büyük dil modeli Qwen3.5'i tanıttı. Bu son model, bizi etkileyen GPT-5.3 Codex ve Claude Opus 4.6 gibi yeni sürümlere bir yanıt niteliğinde.
Alibaba'ya göre Qwen 3.5, "etken yapay zekâ çağı" için geliştirildi ve görsel-dil modeli, selefine kıyasla daha ucuz ve daha verimli olup çeşitli kıyaslamalarda etkileyici, öncü sınıf performans istatistikleri sunuyor.
Alibaba ayrıca, 1 milyon tokenlık bağlam penceresine sahip, modelin premium sürümü olan Qwen3.5-Plus'ı da piyasaya sürüyor; hedefinde ise doğrudan Gemini 3 var.
Bu yazıda, Qwen3.5 ve Qwen3.5-Plus'ın öne çıkan yeni özelliklerini anlatacak, rakiplerle nasıl kıyaslandıklarını ve kıyaslama sonuçlarını inceleyecek, ayrıca yeni modellere nasıl erişebileceğinizi ele alacağım.
Ayrıca Claude Sonnet 4.6 veya GPT-5.3 Instant gibi en yeni rakip modellere ilişkin rehberlerimize de göz atmayı unutmayın.
Qwen3.5 Nedir?
Qwen3.5, Alibaba'nın büyük dil modeli (LLM) serisinin en son nesli, Qwen3.5-397B-A17B'dir. Önceki Qwen3 model ailesinin aksine Qwen3.5, uzmanlaşmış modelleri tek bir yerel görsel-dil modelinde birleştirir. Önceki Qwen modelleri gibi Apache 2.0 lisansı altında açık kaynaklıdır.
Hem bireysel hem de kurumsal kullanım senaryoları için genel amaçlı bir temel model olarak konumlandırılmıştır ve yerel çok kipli ve etken iş akışları için tasarlanmıştır. Qwen3.5-397B-A17B iki mod sunar:
- Daha derin akıl yürütme gerektiren görevler için “Thinking”
- Rutin görevlerde hızlı çıkarım için “Fast”
Qwen3.5 ve Qwen3.5-Plus
Qwen3.5-Plus, Qwen3.5-397B-A17B'ye karşılık gelen, yalnızca API üzerinden sunulan barındırılan bir hizmettir ve kendi başına açık ağırlıklı bir model değildir. Bu konuda sürüm notu biraz kafa karıştırıcıydı: Qwen3.5-Plus'tan ayrı bir modelmiş gibi bahsedilse de gerçekte, aynı model üzerine inşa edilmiş Alibaba'nın tescilli hizmetidir.
Qwen3.5-Plus, Qwen3.5-397B-A17B modeline dayanmakla birlikte bazı farklılıklar içerir. Yalnızca Alibaba Cloud Model Studio üzerinden token başına ödeme modeliyle ve sınırlı erişimle Qwen Chat arayüzü üzerinden erişilebilir.
Qwen3.5-Plus, standart Qwen3.5 modelinin 256 bin tokenlık bağlam penceresine kıyasla 1 milyon tokenlık genişletilmiş bir bağlam penceresi kullanır. “Thinking” ve “Fast”ın yanı sıra, uyarlanabilir düşünme özelliğine sahip bir “Auto” modu da içerir; bu mod, düşünmeye ek olarak arama ve bir kod yorumlayıcı gibi araçları kullanabilir.
Qwen3.5'in Öne Çıkan Özellikleri
Qwen3.5 ile gelen bazı yeni özelliklere göz atalım:
Yerel çok kipli yetenekler
OpenAI'nin yakın zamanda çıkardığı GPT-5.3 Codex sürümünde standart ve Codex modellerini birleştirmesine benzer şekilde, Alibaba da metin, görsel ve arayüz etkileşimini tek bir modelde bir araya getirdi.
Qwen3.5; metin, görseller, arayüz ekran görüntüleri ve yapılandırılmış içerik üzerinde birlikte eğitildi. Görsel soru yanıtlama, belge anlama ve grafik/tabloları yorumlamayı destekler ve ekrandaki öğeleri tanıyıp etkileşim kurmak için piksel düzeyinde eşleme yapar.
Görsel etken yetenekler
Bu da bizi yeni Qwen3.5 modelinin bir diğer odak noktasına getiriyor. Arayüz ekran görüntüleri üzerinde yoğun eğitim sayesinde model, mobil ve masaüstü arayüzleri tanıyabilir ve bunlarda işlem yapabilir. Bu sayede aşağıdakiler gibi çok adımlı iş akışlarını yürütebilir:
- Form doldurma
- Uygulamalarda gezinme
- Sistem ayarlarını değiştirme
- Dosyaları düzenleme
Bu da Qwen3.5'i üretkenlik otomasyonu için ideal kılar. Doğal dil talimatları kullanarak Qwen görsel ajanın birden çok uygulamada işlem yapmasına ve karmaşık iş akışlarını tamamlamasına olanak tanıyabilirsiniz. Hatta uzun etkileşim dizileri boyunca durumu koruyabilir; bu da sağlam araç ve uygulama orkestrasyonunu mümkün kılar.
Geliştirilmiş performans ve verimlilik
Qwen3.5 toplam 397 milyar parametreyle oldukça büyük bir modeldir; ancak uzman karışımı (Mixture-of-Experts) mimarisi sayesinde token başına yalnızca 17 milyar parametre etkinleştirilir. Özetle, bu sayede dev bir modelin zekâsına, çok daha küçük bir modelin hız ve maliyet verimliliğiyle sahip olur.
Pratikte bu, Qwen3-Max ile karşılaştırıldığında Qwen3.5 397B-A17B'nin uzun bağlamlı görevlerde (256 bin token) kod çözmede 19 kat ve standart iş akışlarında 8,6 kat daha hızlı olduğu anlamına gelir. Önemlisi, bu hız zekâdan ödün vermez; metin ve videonun erken füzyonu sayesinde hâlâ Qwen3-Max'in akıl yürütme ve kodlama performansına yetişir ve Qwen3-VL'yi geride bırakır.
Daha iyi maliyet verimliliği
Geliştirilmiş performansla birlikte bu modelde maliyet verimliliği de görüyoruz.
Benzer şekilde yerel bir FP8 hattı (verilerin standart 16-bit yerine 8-bit hassasiyetle işlenmesi) Qwen3.5'in çalışmak için gereken belleği %50 azaltır. Bu da hesaplamaların daha hızlı gerçekleşmesini sağlar ve trilyon-token ölçeğinde hızları %10'dan fazla artırır.
Qwen3.5 ayrıca etkileyici bir 250 binlik söz varlığına sahiptir; bu sayede karmaşık kavramları daha az tokenla ifade edebilir. Çoklu token öngörüleriyle birlikte model, tek bir adımda birkaç gelecekteki kelimeyi “tahmin” edebilir; bu da 201 dil genelinde token maliyetlerini %10–60 azaltır.
Qwen3.5 Nasıl Geliştirildi
Qwen3.5'in geliştirme sürecinde, çok kipli ve etken modellerin eğitimini (neredeyse) saf metin modelleri kadar hızlı ve ucuz kılan özel bir altyapı kullanıldı. Qwen3.5'i eğitmedeki özel yaklaşım üç ana bileşene dayanır:
- Veri kalitesi
- Heterojen altyapı
- Eşzamanlı olmayan pekiştirmeli öğrenme (RL)
Veri kalitesi
Alibaba ekibi, Qwen3 model ailesine kıyasla çok daha fazla görsel-metin verisi topladı; ancak yüksek kaliteli girdileri garanti etmek için çok sıkı filtreleme uyguladı. Ortaya çıkan yüksek kaliteli veri kümesi, 397B parametreli modelin Qwen3-Max gibi 1T parametreli çok daha büyük modellerin zekâsına yaklaşmasını sağlıyor.
Heterojen altyapı
Görsel ve dil bileşenleri ayrı ayrı ancak eşzamanlı olarak eğitildi. Hiçbiri diğerinin hesaplamasını beklemek zorunda kalmadığından bu örtüşme, saf metin modellere kıyasla neredeyse %100 eğitim verimi sağladı.
Eşzamanlı olmayan pekiştirmeli öğrenme
FP8 sıkıştırma (sayıları temelde yarı bit sayısıyla depolama) ve spekülatif kod çözme (ileriyi tahmin etme) kullanılarak, arka planda eğitim beklemeden sürerken ajanlar binlerce görevi eşzamanlı olarak çalıştırabilir. Bu, kayda değer bir kalite kaybı olmadan eğitimi hızlandırdı; böylece Qwen3.5, arayüz tıklama veya çok adımlı görevler gibi karmaşık ajan becerilerini 3–5 kat daha hızlı öğrendi.
Qwen3.5 Kıyaslamaları
Alibaba'nın yeni modelinin performansı şimdiden birçok görevde doğrulandı. Odak alanları olan etken ve çok kipli iş akışlarının yanı sıra daha genel akıl yürütme becerilerine ilişkin sonuçlara odaklanacağız.
Etken iş akışları
Qwen3 ailesine kıyasla Qwen3.5'in en çok geliştiği alan etken iş akışlarıdır.
- Etken terminal kodlama: En belirgin sıçrama Terminal-Bench 2.0'da görülüyor: Qwen3.5, Qwen3-Max-Thinking'in yalnızca 22,5'ine karşılık 52,5'e ulaşıyor ve Gemini 3 Pro (54,2) ile rekabet edebiliyor. Bununla birlikte, mevcut lider olan ve yakın zamanda yayımlanan GPT-5.3 Codex'in (77,3) hayli gerisinde kalıyor.
- Etken arama: Bu, Qwen3.5'in en büyük gücü gibi görünüyor. BrowseComp'ta 78,6 gibi etkileyici bir değere ulaşıyor, Gemini 3 Pro'yu (59,2) açık ara geride bırakıyor ve yalnızca Claude Opus 4.6'nın (84,0) ardından ikinci sıraya yerleşiyor
Çok kipli yetenekler
Çok kipli alanı, önceki model ailesine göre önemli iyileştirmeler kaydetti. Bu özellikle somut akıl yürütme ve belge tanıma için geçerli:
- Somut akıl yürütme: Qwen3.5, ERQA'da 67,5 puan alarak Qwen3-VL'den (52,5) belirgin biçimde daha iyi; Gemini 3 Pro'ya (70,5) neredeyse denk
- Belge tanıma: Qwen3.5, OmniDocBench v1.5'te %90 eşiğini 90,8 ile aşıyor; GPT-5.2'yi (85,7), Claude Opus 4.5'i (87,7) ve Gemini 3 Pro'yu (88,5) geride bırakıyor
- Görsel akıl yürütme: Burada Qwen3.5, Gemini 3 Pro'nun yalnızca biraz gerisinde: MMMU-Pro'da 79,0 ve Video-MME'de 87,5 (Gemini 3 Pro: 81,0 ve 88,4)
Akıl yürütme, bilgi ve güvenilirlik
Akıl yürütme ve bilgi, bu sürümün ana odak alanları açıkça değildi. Yine de özellikle güvenilirlik açısından bu alanlarda hafif iyileşmeler var.
- Talimat izleme: IFBench'te 76,5 ile Qwen3.5 oldukça güvenilir görünüyor ve sıralamada üst sıralarda yer alıyor. Karşılaştırma için mevcut lider AWS Nova 2.0 Pro, 79,0 puan alıyor
- Lisansüstü düzey akıl yürütme: GPQA Diamond'da 88,4 puan, Qwen3-Max-Thinking'e (87,4) göre yalnızca artımsal bir iyileşme
- Çok dilli bilgi: Qwen3.5, MMMLU'da 88,5'e ulaşıyor; bu, Gemini 3 Pro'nun (90,6) altında kalsa da önceki modele (84,4) kıyasla önemli bir ilerleme
Qwen3.5'e Nasıl Erişilir
Önceki modellere benzer şekilde Qwen3.5 modelleri açık kaynaklıdır ve birden çok şekilde kullanılabilir: Doğrudan sohbet uygulamasında, API üzerinden, yerel dağıtım için indirerek veya özel kurulumlara entegre ederek.
Sohbet arayüzü
Qwen3.5'e doğrudan chat.qwen.ai adresindeki alışıldık sohbet arayüzünden erişebilirsiniz.
Model seçimi açılır menüsü, Qwen3.5-397B-A17B ve Qwen3.5-Plus modellerinin yanı sıra Qwen3 model ailesinden birkaç önceki model ile Qwen2.5-Max'i de sunar.
API erişimi
Qwen 3.5 API erişimi, Qwen3 ile aynıdır: ModelScope üzerinden OpenAI uyumlu uç noktalar (ücretsiz katman, günlük kotalar) veya DashScope/Model Studio (ücretli, Qwen3.5-Plus dâhil). Model kimliğinizi qwen3.5-397b-a17b veya qwen3.5-plus olarak güncelleyin ve hazırsınız.
Açık ağırlıklar ve yerel dağıtım
Daha önce belirtildiği gibi Qwen3.5-397B-A17B model ağırlıkları Apache 2.0 lisansı altında yayımlandı. Qwen3.5'i Ollama, LM Studio veya vLLM gibi araçlarla yerel olarak çalıştırabilirsiniz.
Ağırlıklar şu adreslerden indirilebilir:
Son Düşünceler
Yeni görsel ajanlar, artırılmış performans ve maliyet optimizasyonuyla Qwen3.5'in çıkışı etkileyici; yalnızca diğer Çin menşeli modellere değil, OpenAI ve Anthropic'in modellerine de baskı yapıyor.
Bu yılki diğer yeni sürümlerde olduğu gibi, örneğin GPT-5.3-Codex ve Claude Opus 4.6'da da görüldüğü üzere odağın kesinlikle etken yapay zekâya kaydığı açık. OpenClaw'un hızlı başarısı, insanların yapay zekâ için pratik kullanım alanlarına duyduğu ihtiyacı kanıtladı ve Qwen3.5, Seedance 2.0 ve DeepSeek'in yakında çıkacağı söylenen sürümü gibi modeller, Çin'in yapay zekâ modellerinde hızla pazar lideri hâline geldiğini gösteriyor.
