Yapay zekâ dünyası 2026'ya oldukça hızlı bir giriş yaptı. Çinli yapay zekâ devi DeepSeek, yayımladığı yeni teknik makale ile temel yapay zekâ modellerinin eğitiminde kullanılan mimariyi kökten değiştireceğini ileri sürdü. Şirketin kurucusu Liang Wenfeng'in de aralarında bulunduğu 19 kişilik ekip, modelleri daha uygun maliyetli hâle getirmeyi amaçlıyor.Bu yeni yöntem, özellikle kısıtlı işlem gücüyle ABD'li rakiplerine karşı yarışan şirketler için can suyu niteliğinde olabilir. "Manifold-Constrained Hyper-Connections" (mHC) olarak adlandırılan teknik, modellerin ölçeklenebilirliğini artırırken hesaplama yükünü neredeyse hiç artırmıyor.Manifold-Constrained Hyper-Connections (mHC) nedir ve neyi değiştiriyor?DeepSeek'in önerdiği mHC mimarisi, aslında ByteDance tarafından 2024'te önerilen Hyper-Connections (HC) çözümünün geliştirilmiş bir versiyonu. Araştırmacılar; bu tekniği 3 milyar, 9 milyar ve 27 milyar parametreli modellerde test ederek sistemin başarısını kanıtladı. Sonuçlar, mHC'nin geleneksel yöntemlere göre çok daha kararlı bir büyük ölçekli eğitim sunduğunu gösteriyor.Mevcut sistemlerde kullanılan ResNet mimarisi, derin ağlarda bilgi akışını stabilize etse de bazı sinyal sorunları yaşatabiliyordu . mHC ise bu süreci belirli bir "manifold" ile kısıtlayarak bellek maliyetlerini kontrol altında tutuyor ve verimliliği maksimize ediyor. Bu durum, gelecek nesil temel modellerin evrimi için yeni bir yol aydınlatabilir.DeepSeek'in bu teknik makaleyi bizzat CEO Liang Wenfeng aracılığıyla arXiv'e yüklemesi, sektör analistleri tarafından önemli bir sinyal olarak görülüyor. Genellikle bu tarz derin teknik paylaşımlar, şirketin bir sonraki büyük modelinin ayak sesleri olarak kabul ediliyor.Şirket, geçtiğimiz yıl çığır açan R1 modelini Çin'in ulusal tatili arifesinde yayımlamıştı. Bu yıl da benzer bir stratejiyle, Şubat ortasındaki "Bahar Festivali" döneminde yeni bir modelin piyasaya sürülmesi bekleniyor. Yapay zekâ eğitiminde maliyetlerin bu denli düşmesi, sektördeki dengeleri tamamen değiştirebilir.