2026-cı ildə açıq süni intellekt modelləri: DeepSeek, Qwen və Kimi haqqında izah

“Açıq süni intellekt modeli” nə deməkdir?

“Açıq” sözü zəmanət deyil, təsvirlər ailəsidir. Açıq çəkili buraxılış modelin yekun öyrədilmiş parametrlərini paylaşır; lisenziya icazə verdikdə başqaları onları incə tənzimləyə, uyğunlaşdıra və ya yerləşdirə bilər. ^[4] Açıq mənbəli süni intellekt sistemi isə daha güclü iddiadır. Open Source Initiative-in tərifi OSI tərəfindən təsdiqlənmiş şərtlər altında üç element tələb edir: bacarıqlı şəxsin mahiyyətcə ekvivalent sistem qura bilməsi üçün kifayət qədər ətraflı verilənlər haqqında məlumat, sistemi öyrətmək və işlətmək üçün istifadə olunmuş tam mənbə kodu və model parametrləri. ^[1]

Bu fərq real seçimlərə təsir göstərir. Çəkilər əlçatan ola, öyrətmə verilənləri və öyrətmə kodu isə olmaya bilər. Open Source Initiative-in açıq çəkilər barədə izahında deyilir ki, onlar açıq mənbəli süni intellektdən fərqlənir, çünki öyrətmə kodunu və ya öyrətmə verilənlər toplusunu, yaxud həmin toplunun qanuni şəkildə paylaşıla bilmədiyi hallarda onun barəsində hərtərəfli təfərrüatı əhatə etmir; bunlar olmadan öyrətmə prosesini təkrarlamaq və ya audit etmək çətindir. ^[4] Deməli, model lokal yerləşdirilə bilən, lakin tam təkrar yaradıla bilməyən ola bilər, yaxud çəkiləri müəyyən istifadə növlərini məhdudlaşdıran şərtlərlə əlçatan ola bilər.

Buraxılış seçməzdən əvvəl dörd sual verin: dəqiq çəkiləri əldə etmək mümkündürmü? Hansı lisenziya tətbiq olunur? Seçilmiş formatı hansı icra mühiti və avadanlıq yükləyə bilər? Əhəmiyyət daşıyan vəzifə üçün hansı sübutlar var? “Açıq mənbə” nə məhsuldarlıq qiyməti, nə məxfilik zəmanəti, nə də modelin noutbuka sığacağına vəddir.

Aşağıdakı bölmələrdə sübut çəkilərə aid olduqda “açıq çəkili” ifadəsi işlədilir, “açıq mənbəli süni intellekt” isə daha güclü, sistem səviyyəli məna üçün saxlanılır. Bu, faydalı texniki fərqin marketinq qısaltmasına çevrilməsinin qarşısını alır.

DeepSeek V4 haqqında nə təsdiqlənib?

DeepSeek-in Transparency Center səhifəsi DeepSeek-V4 modelini 24 aprel 2026-cı il buraxılış tarixi ilə göstərir və model kartına və texniki hesabata keçid verir. ^[2] Şirkətin rəsmi dəyişikliklər jurnalında deyilir ki, API 24 aprel 2026-cı ildən V4-Pro və V4-Flash modellərini dəstəkləyib. 10 sentyabr 2026-cı il tarixli qeyddə deyilir ki, V4 Flash istifadədən çıxarılıb və onun API adı müvəqqəti olaraq V4.1 Flash modelinə yönləndirilir; 11 noyabr 2026-cı il tarixinə olan ən son qeyd isə 17 oktyabr 2026-cı il tarixlidir və həmin modeli V4.1-Flash-1017 versiyasına yüksəldir. ^[6] Bu bəyanatlar model ailəsinin buraxılışlarını və API-nin təkamülünü təsdiqləyir; onlar hər V4 variantının eyni çəkilərə, lisenziyaya, qiymətə və ya lokal yerləşdirmə tələblərinə malik olduğu demək deyil.

DeepSeek-in 24 aprel 2026-cı il tarixli elanı V4 Preview modelini “açıq mənbəli edilmiş” adlandırıb, onun Hugging Face-dəki açıq çəkilərinə keçid verib və V4-Pro modelini 1.6T ümumi parametrli və 49B aktiv parametrli, V4-Flash modelini isə 284B ümumi parametrli və 13B aktiv parametrli kimi təsvir edib. ^[7] “Açıq mənbəli edilmiş” şirkətin öz ifadəsidir; konkret V4 buraxılışının OSI tərifinə cavab verib-vermədiyi onun repozitorisinin və lisenziyasının əslində nə təqdim etməsindən asılıdır. Bu miqyaslar vacibdir: modelin hər token üçün aktiv parametrlərinin sayı ümumi parametrlərindən az ola bilər, bununla belə o, yenə də əhəmiyyətli infrastruktur və model faylları tələb edə bilər. API modelinin fərdi kompüterdə rahat işlədilə biləcəyi nəticəsini çıxarmayın.

Tərtibatçı API model adını yüklənmiş çekpoyntdan fərqləndirməlidir. DeepSeek-in sənədləri API adlarını və uyğunluq üçün yönləndirməni izah edir; əsas buraxılışı təsdiqləmək və onun kartını tapmaq üçün uyğun yer isə Transparency Center səhifəsidir. ^[2][6] Lokal yerləşdirmə üçün API adına əsasən təxmin etmək əvəzinə konkret model kartından, çəkilərin mənbəyindən, lisenziyadan və dəstəklənən icra mühitindən istifadə edin.

Ümumi oxucu üçün DeepSeek-i bir ailə kimi başa düşmək faydalıdır: oxşar adlar altında böyük, hostinq edilən və lokal istifadə üçün variantlar ola bilər. Praktik seçim brend etiketinə sadiqlik deyil, dəqiq buraxılış və çatdırılma üsuludur.

Qwen3.8 və Kimi K3.1 Pro nə ilə fərqlənir?

Qwen3.8-27B görmə-dil modelidir; rəsmi kartında 27B dil modeli parametri və Apache 2.0 lisenziyası göstərilir, Hugging Face-in repozitori üçün fayl xülasəsi isə 28B parametrlik model ölçüsünü göstərir. Kartda deyilir ki, repozitoridə sonradan öyrədilmiş modelin Transformers formatında çəkiləri və konfiqurasiya faylları var, Hugging Face səhifəsi isə llama.cpp, Ollama, LM Studio və ya istənilən uyğun tətbiq üçün kvantlaşdırılmış versiyalara keçid verir. ^[3] Həmin kvantlaşdırılmış versiyalar ayrı repozitorilərdə yerləşir, ona görə də hər birini kimin dərc etdiyini yoxlayın. Bu, onu yalnız seçilmiş kvantlaşdırma, kontekst və avadanlıq uyğun gəldikdə ağlabatan lokal model namizədinə çevirir.

Kimi K3.1 Pro miqyas və lisenziya baxımından fərqli mövqedədir. Naşirinin kartı onu açıq çəkili, multimodal “ekspertlər qarışığı” (mixture-of-experts) modeli adlandırır, 2.8T ümumi parametr və 104B aktivləşdirilən parametr göstərir və Kimi-yə məxsus lisenziyanın adını çəkir. ^[5] O, adi avadanlıq üçün düzgün lokal seçim olmadan və ya Apache lisenziyalı model kimi lisenziyalaşdırılmadan da texniki cəhətdən əlçatan ola bilər.

Bu iki buraxılış göstərir ki, təkcə parametr sayları “hansı daha yaxşıdır” sualına niyə cavab vermir. Qwen-in 27B miqyasını uyğun kvantlaşdırma ilə lokal sınaqdan keçirmək daha asan ola bilər. Kimi-nin xeyli böyük miqyası isə daha çox yaddaşı və yerləşdirmə tutumu olan infrastruktura hədəflənmiş ola bilər. Düzgün müqayisə vəzifə, nəticənin keyfiyyəti, gecikmə, xərc, lisenziya və avadanlıq üzrə aparılır — bir ailənin hər bençmarkda qalib gəldiyi iddiası üzrə yox.

Hər iki kart naşirin məlumatıdır. Bençmark iddialarına və imkanların təsvirinə qiymətləndirmə üçün başlanğıc nöqtəsi kimi yanaşılmalıdır; onlar səciyyəvi sorğuların, dillərin və uğursuzluq hallarının sınaqdan keçirilməsini əvəz etmir. Ciddi nəticələri olan istifadə üçün insan tərəfindən yoxlama addımını və mənbələrin müstəqil yoxlanması prosesini qoruyub saxlayın.

Hansı açıq model nə üçün yaxşıdır?

Lokal yerləşdirməni öyrənmək üçün arzu olunan dilin və vəzifənin öhdəsindən gələ bilən ən kiçik dəstəklənən modeli seçin, sonra onu sınaqdan keçirin. İdarə edilə bilən ölçüdə Qwen ilə uyğun kvantlaşdırma xeyli böyük buraxılışdan daha praktik ilk təcrübə ola bilər. Hugging Face GGUF, MLX və digər formatlar üçün lokal tətbiq yollarını, o cümlədən LM Studio, Ollama, llama.cpp və MLX LM-i sənədləşdirir. ^[8]

Hostinq edilən iş axınında API çəkiləri yükləmək, icra mühiti seçmək və avadanlığa baxmaq yükünü azalda bilər. Bu, lokal məxfilik seçimi deyil, xidmət seçimidir. DeepSeek-in API sənədləri model adlarındakı dəyişiklikləri və API buraxılışlarını göstərir; istifadəçilər həssas material göndərməzdən əvvəl cari xidmət şərtlərini, qiymətləri və məlumatların emalı qaydalarını yoxlamalıdır. ^[6]

Tədqiqat və ya infrastruktur komandası üçün çox böyük açıq çəkili buraxılışlar nəzarətli şəkildə öz infrastrukturunda yerləşdirməni, ixtisaslaşmış qiymətləndirməni və ya uyğunlaşdırmanı dəstəkləyə bilər. Onlar həm də əməliyyat işi əlavə edir: çəkiləri əldə etmək, inferens tutumunu idarə etmək, təhlükəsizlik yeniləmələrini tətbiq etmək, lisenziyalara riayət etmək və nəticənin keyfiyyətini izləmək. Kimi K3.1 Pro-nun ölçüsü göstərir ki, çəkilərin əlçatan olması bu xərcləri aradan qaldırmır. ^[5]

Multimodal iş üçün hər modelin şəkilləri, videonu və ya sənədləri qəbul etdiyini güman etmək əvəzinə dəqiq model kartını yoxlayın. Qwen Qwen3.8-27B modelini görmə-dil modeli kimi təsvir edir, Kimi-nin kartı isə mətn və şəkil modallığını təsvir edir. ^[3][5] Bu, özlüyündə konkret şəkil və ya sənəd üzrə dəqiqlik barədə, xüsusən də həssas sahədə, heç nə demir.

Məxfilik baxımından həssas iş üçün lokal icra sorğuların hostinq provayderi ilə paylaşılmasını azalda bilər, lakin bu, avtomatik məxfilik deyil. Model yükləmələri, yeniləmələr, lokal jurnallar, ehtiyat nüsxələr, plaginlər və şəbəkəyə açıq serverlər ayrıca risklər olaraq qalır. Avadanlıq və məxfiliklə bağlı güzəştlərin tam təsviri üçün saytın lokal süni intellekt bələdçisinə baxın.

Açıq çəkili modeli necə qiymətləndirmək lazımdır?

Əvvəlcə model kartını oxuyun. Naşiri, modelin revizyasını, lisenziyanı, nəzərdə tutulan vəzifəni, arxitekturanı, modallıqları, məlum məhdudiyyətləri və dəstəklənən yerləşdirmə formatlarını təsdiqləyin. Kart dəqiqliyin sertifikatı deyil, lakin naşirin nəyin buraxıldığını dediyinə dair ən birbaşa mənbədir. ^[2][3][5]

Sonra bir real sınaq toplusu seçin. Gözlənilən faktları məlum olan səciyyəvi sorğulardan, çətin sərhəd hallarından və nəzərdə tutulan dildən ibarət kiçik bir topludan istifadə edin. Nəticələri düzgünlük, tamlıq, ardıcıllıq və zərərli həddindən artıq əminlik baxımından müqayisə edin. Modeli yalnız cilalanmış ilk cavaba və ya tək bir ictimai bençmarka görə mühakimə etməyin.

Dəqiq mühiti qeyd edin: modelin revizyası, kvantlaşdırma, kontekst həddi, icra mühiti, avadanlıq, sorğuların qurulması və alətlərə giriş. Bu dəyişənlər fərqləndikdə iki istifadəçi eyni adlı modeldən fərqli nəticələr əldə edə bilər. Bu qeyd həm də faydalı konfiqurasiyanı təkrar yaratmağa və ya pis cavabı araşdırmağa imkan verir.

Şəxsi təcrübələrdən kənarda yerləşdirməzdən əvvəl lisenziyanı yoxlayın. OSI tərifi izah edir ki, açıq mənbəli süni intellekt çəkilərdən daha çoxunu əhatə edir, OSI-nin açıq çəkilər barədə izahında isə deyilir ki, təkcə çəkilər sistemdən tam istifadə etmək, onu öyrənmək, dəyişdirmək və paylaşmaq üçün lazım olanları təmin etmir. ^[1][4] Kommersiya məqsədli istifadə, yenidən yayma, incə tənzimləmə, hostinq xidməti kimi istifadə və müəllifliyin göstərilməsi fərqli şərtlərlə tənzimlənə bilər.

Nəhayət, nəticələr üçün sərhəd tətbiq edin. Açıq model qaralama hazırlaya, tərcümə edə, təsnif edə və ya məlumatı araşdırmağa kömək edə bilər. Müstəqil, aktual sübutlar və müvafiq peşəkar mühakimə olmadan o, hüquqi, maliyyə, tibbi, təhlükəsizlik və ya mühafizə ilə bağlı qərarlarda son instansiya olmamalıdır.

Açıq modeli qarışıqlıq olmadan lokal şəkildə necə işlətmək olar?

Model faylını yükləməzdən əvvəl icra mühitini seçin. Hugging Face uyğun lokal tətbiqləri və formatları sadalayır: məsələn, LM Studio GGUF və MLX modellərini, Ollama GGUF-u, MLX LM isə MLX mətn generasiyası modellərini dəstəkləyir. ^[8] Yanlış formatda olan model faylı faydalı yükləmə deyil.

Naşirin rəsmi səhifəsindən və ya oturuşmuş model hostinqindən başlayın, sonra kompüterə uyğun format seçin. Qwen3.8-27B üçün Hugging Face səhifəsi kvantlaşdırılmış versiyalara keçid verir, baza 27B buraxılışı isə özlüyündə hər cihazın hər versiyanı yükləyə biləcəyi iddiası deyil. ^[3] Modelin diskdəki ölçüsünü ümumi tələb saymaq əvəzinə, əməliyyat sistemi və kontekst üçün yaddaş ehtiyatı saxlayın.

İlk serveri eyni kompüterin daxilində lokal saxlayın və zərərsiz məlumatlarla sınaqdan keçirin. Lokal model son nöqtəsini sadəcə başqa cihazdan istifadə etmək üçün ictimai internetə açmayın. Sonradan şəbəkə xidmətinə ehtiyac yaranarsa, autentifikasiyadan istifadə edin, icra mühitini yamaqlayın və ona kimin sorğu göndərə biləcəyini anlayın.

Konfiqurasiyalar üçün versiyalara nəzarət sistemindən istifadə edin və model lisenziyasının qeydini saxlayın. Lokal modeli işlətmək texniki cəhətdən asan, lakin planlaşdırılan xidmət üçün hüquqi cəhətdən yararsız ola bilər və ya əksinə. Nizamlı təcrübə mənşəyi aydın olmayan nəhəng faylları təkrar-təkrar yükləməkdən daha təhlükəsiz və daha faydalıdır.

Model yaxşı cavab verə bilmədikdə hər dəfə bir dəyişəni dəyişin: daha kiçik kontekst, fərqli kvantlaşdırma, fərqli icra mühiti və ya vəzifəyə daha uyğun model. Daha böyük parametr sayı yeganə çarə deyil.

2026-cı il ərzində oxucular açıq modellərdə nəyə diqqət yetirməlidir?

Buraxılışın kimliyini diqqətlə izləyin. DeepSeek-in rəsmi səhifələri V4, V4-Pro, V4-Flash və V4.1-Flash API dəyişikliklərini bir-birindən fərqləndirir. ^[2][6] “DeepSeek V4” deyən başlıq oxucunun istifadə etmək niyyətində olduğundan fərqli dəqiq modelə və ya çatdırılma yoluna aid ola bilər.

Lisenziyaları və yerləşdirmə təfərrüatlarını imkanlar qədər diqqətlə izləyin. Qwen3.8-27B-nin ictimai səhifəsi Apache 2.0-ı göstərir, Kimi K3.1 Pro isə Kimi-yə məxsus lisenziyanı göstərir. ^[3][5] Bu etiketlər faktiki repozitorilərdə oxunmalıdır, çünki baza modelinin, icma tərəfindən hazırlanmış kvantlaşdırmanın və törəmə modelin sənədləri fərqli ola bilər.

Vəzifəyə uyğun gələn sübutları izləyin. Kod yazma bençmarkı sənəd anlamasını, uzun kontekst iddiası faktların dəqiqliyini, modelin şəkil dəstəyi isə şəkillərlə işin etibarlılığını həll etmir. Açıq buraxılışlar sınağı və uyğunlaşdırmanı asanlaşdırır, lakin qiymətləndirmə ehtiyacını aradan qaldırmır.

Buraxılış qeydləri ilə yanaşı əməliyyat dəyişikliklərini də izləyin. DeepSeek-in V4 dəyişikliklər jurnalının göstərdiyi kimi, hostinq edilən API-lər son nöqtələrin adını dəyişə, onları yönləndirə və ya istifadədən çıxara bilər. ^[6] API-dən asılı olan komanda hər hansı əvəzedicini istehsal mühitində istifadədən əvvəl sınaqdan keçirməli və ehtiyat prosesi saxlamalıdır. Modeli öz infrastrukturunda yerləşdirən komanda isə bunun əvəzinə yükləmələrin bütövlüyünü, icra mühitinin yenilənməsini, saxlama yerini və tutumu planlaşdırmalıdır. Yolların heç biri həmişəlik baxımsız qalmır. İşə salmazdan əvvəl geri qaytarmanı planlaşdırın, monitorinq üçün büdcə ayırın və hər əməliyyat vəzifəsinə kimin cavabdeh olduğunu sənədləşdirin.

Model kartının revizyasını, baxılmış lisenziya mətnini, icra mühitinin versiyasını, qiymətləndirmə sorğularını və müşahidə olunan uğursuzluq növlərini əks etdirən sübut faylı saxlayın. Bu, şəxsi layihə üçün kiçik işdir, təşkilat daxilində istifadə üçün isə zəruridir. O, açıq buraxılış barədə cəlbedici iddianı təkrarlana bilən qərara çevirir. Bu həm də modelin məhdudiyyətini kvantlaşdırmadakı, sorğu dizaynındakı və ya lokal konfiqurasiyadakı səhvdən ayırmağa kömək edir.

Qalıcı seçim mücərrəd şəkildə DeepSeek, Qwen və ya Kimi arasında deyil. Bu, istifadəçinin baxa biləcəyi yerləşdirmə quruluşunda vəzifəyə cavab verən ən kiçik, lisenziyası ən aydın olan və imkanları yoxlanıla bilən dəqiq modeldir.