Çin, açık ağırlıklı yapay zeka modellerinde ABD'yi geride bıraktıChina overtakes US in open-weight AI models

ÖzetSummary

Nathan Lambert'in genişletilmiş Kongre ifadesi, Çin menşeli açık ağırlıklı modellerin (Qwen, GLM, Kimi) 2025'in ortasından bu yana indirme sayıları ve kıyaslama performansında ABD rakiplerini açık ara geride bıraktığını savunuyor. İfadeye göre Çin modelleri, ABD'nin kapalı uçlu sınır modellerinin yalnızca 2–5 ay gerisinde. Buna karşılık ABD'nin açık modelleri, Çin rakiplerinin 6–9 ay gerisinde kalıyor.Nathan Lambert's expanded congressional testimony argues that Chinese open-weight models (Qwen, GLM, Kimi) have significantly outpaced their US counterparts in download counts and benchmark performance since mid-2025. According to the testimony, Chinese models are only 2–5 months behind the US's closed-source frontier models. In contrast, US open models are lagging behind their Chinese counterparts by 6–9 months.

Neden ÖnemliWhy it matters

Bu değerlendirme, ABD-Çin yapay zeka yarışını kapalı modellerin hikâyesinden açık ağırlıklı modellerin baskınlığı sorusuna dönüştürüyor. Bu durum, küresel yapay zeka yayılımı, siber güvenlik riski ve ABD teknoloji politikası için doğrudan sonuçlar doğuruyor. Açık ağırlıklı modeller, kurumsal ve egemen yapay zeka devreye alma süreçlerinin ana aracı haline geliyorsa, mevcut fark ABD'li işletmelerin giderek daha fazla Çin model ekosistemlerine bağımlı hale geldiği anlamına geliyor. İfade ayrıca yapısal bir politika ikilemine de dikkat çekiyor: Çin menşeli açık modellerin kısıtlanması, Çinli kullanıcılardan çok ABD'li kullanıcıları olumsuz etkileyecektir.This assessment shifts the narrative of the US-China AI race from closed models to the dominance of open-weight models. This has direct implications for global AI adoption, cybersecurity risks, and US technology policy. If open-weight models become the primary vehicle for enterprise and sovereign AI deployment, the current gap implies that US businesses are becoming increasingly dependent on Chinese model ecosystems. The testimony also highlights a structural policy dilemma: restricting Chinese open models would negatively impact US users more than Chinese users.

Öne ÇıkanlarHighlights

• Çin, Hugging Face indirme sayısında yaklaşık 1,6 milyar farkla önde. Çin'in toplam indirme sayısı 3,2 milyar iken ABD'ninki yaklaşık 1,6 milyar. Bu fark, Ağustos 2025'ten bu yana açılıyor.China leads by approximately 1.6 billion in Hugging Face download counts. China's total downloads stand at 3.2 billion, compared to the US's roughly 1.6 billion. This gap has been widening since August 2025.
• En iyi Çin menşeli açık modeller AAII kıyaslama testinde 42–45 puan alıyor. ABD'nin en iyi açık modelleri (Inkling, Nemotron 3 Ultra) ise 23–26 puan alıyor.Top Chinese open models score 42–45 points on the AAII benchmark test. The best US open models (Inkling, Nemotron 3 Ultra) score 23–26 points.
• Lambert'e göre ABD'nin kapalı uçlu modellerinden damıtma (distillation) işleminin tamamen engellenmesi, yetenek farkını yalnızca 1–2 ay daha açar. Bu durum, Çin'in önderliğinin salt veri odaklı değil, yapısal olduğunu gösteriyor.According to Lambert, completely blocking distillation from US closed-source models would only widen the capability gap by an additional 1–2 months. This indicates that China's lead is structural rather than purely data-driven.

EleştiriCritical take

Yazı, Olmo'nun geliştirilmesine katkıda bulunan eski bir AI2 araştırmacısı tarafından kaleme alındı. Bu durum, ABD'nin 'gerçekten açık kaynak' kategorisinin görünür kalmasında yazarın hafif bir kurumsal çıkarı olduğunu gösteriyor. Ayrıca 45'e karşı 26 olan kıyaslama farkı, gerçek dünya yetenek farklarını abartıyor olabilir. Yazarın kendisi de Çinli laboratuvarların daha dar ve kıyaslamaya uygun görev dağılımlarına optimize edildiğini belirtiyor. Bunun yanı sıra makalenin düzenleyici risk bölümü somut detaylardan yoksun. Bölüm, OpenAI-HuggingFace olayına atıfta bulunmakla yetiniyor; açık ağırlıklı modellerin kötüye kullanımını azaltmak için mevcut politika araçlarının neler olduğu konusunda ayrıntı vermiyor.The article was written by a former AI2 researcher who contributed to the development of Olmo. This suggests a slight institutional interest in keeping the US 'truly open-source' category visible. Additionally, the benchmark gap of 45 versus 26 may overstate real-world capability differences. The author themselves notes that Chinese labs are optimized for narrower, benchmark-friendly task distributions. Furthermore, the regulatory risk section lacks concrete details. It merely references the OpenAI-HuggingFace incident and does not provide specifics on existing policy tools to mitigate the misuse of open-weight models.