DeepSeek: 11 Kat Az İşlem Gücüyle Yapay Zeka Nasıl Eğitildi?

DeepSeek, Aralık 2024’te yayınladığı DeepSeek-V3 modelini, benzer büyüklükteki rakip modellere göre yaklaşık 11 kat daha az işlem gücüyle eğiterek yapay zekâ dünyasında büyük ses getirdi. Çinli şirketin teknik raporuna göre V3’ün son eğitim turu yaklaşık 2,8 milyon GPU saati sürdü; Meta’nın Llama 3.1 405B modeli için açıklanan rakam ise 30 milyonu aşıyordu. Bu yazıda DeepSeek’in bu verimliliği hangi yöntemlerle sağladığını, “11 kat” iddiasının neyi ölçtüğünü ve bugün DeepSeek’in hangi noktada olduğunu sade bir dille anlatıyoruz.

DeepSeek Nedir?

DeepSeek, 2023’te Çin’in Hangzhou kentinde kurulan bir yapay zekâ şirketidir. Şirket, Çinli niceliksel yatırım fonu High-Flyer tarafından desteklenir. DeepSeek’i rakiplerinden ayıran iki temel özellik var: Modellerinin ağırlıklarını açık olarak paylaşması ve eğitim maliyetini düşürmeye yönelik mühendislik yaklaşımı.

Şirketin genel tanıtımını, ürünlerini ve sohbet uygulamasını DeepSeek AI: Yapay zekânın yeni dönemi yazımızda ayrıntılı olarak ele aldık. Bu yazıda ise maliyet ve verimlilik tarafına odaklanıyoruz.

“11 Kat Az İşlem Gücü” İddiası Neyi Ölçüyor?

DeepSeek-V3’ün teknik raporunda, modelin son eğitim turunun Nvidia H800 GPU’larıyla yaklaşık 2,788 milyon GPU saati sürdüğü belirtildi. Şirket, bu sürenin kiralama bedeliyle yaklaşık 5,6 milyon dolarlık bir maliyete karşılık geldiğini hesapladı. Karşılaştırma olarak Meta, Llama 3.1 405B modeli için yaklaşık 30,8 milyon GPU saati harcandığını açıklamıştı. İki rakam arasındaki oran yaklaşık 11 kattır.

Bu rakamı doğru okumak önemli:

  • Yalnızca son eğitim turunu kapsıyor: Önceki deneyler, araştırma süreci, başarısız denemeler ve veri hazırlığı bu hesaba dahil değil.
  • Donanım yatırımı dahil değil: GPU’ların satın alma maliyeti, veri merkezi ve personel giderleri hesapta yer almıyor.
  • Kullanılan GPU’lar farklı: H800, ABD ihracat kısıtlamaları nedeniyle Çin pazarı için üretilmiş, bağlantı hızı sınırlandırılmış bir modeldir.

Yani “DeepSeek’in toplam yatırımı 5,6 milyon dolar” demek doğru değil. Ama aynı kalitede bir modeli çok daha az hesaplama ile eğitmenin mümkün olduğunu göstermesi sektör için gerçek bir dönüm noktasıydı.

DeepSeek Verimliliği Nasıl Sağladı?

1. Uzmanlar karışımı (Mixture of Experts, MoE)

DeepSeek-V3 toplamda 671 milyar parametreye sahip, ancak her kelime (token) işlenirken bunların yalnızca yaklaşık 37 milyarı devreye giriyor. Model, belirli konu ve görevlerde uzmanlaşmış alt ağlardan (“uzmanlar”) oluşuyor ve her adımda yalnızca ilgili uzmanları çalıştırıyor. Bu, büyük bir modelin bilgisini korurken her adımda harcanan hesaplamayı ciddi biçimde azaltıyor.

2. Çok başlı gizli dikkat (Multi-head Latent Attention, MLA)

Dil modelleri uzun metinleri işlerken önceki kelimelere ait bilgileri bellekte tutar. MLA, bu bilgiyi sıkıştırarak bellek kullanımını azaltır. Sonuç olarak hem eğitim hem de modelin kullanıcıya cevap verdiği aşama daha ucuz hâle gelir.

3. FP8 karma hassasiyetli eğitim

Hesaplamaların önemli bir kısmı, daha az bit kullanan FP8 sayı biçimiyle yapıldı. Bu, hem bellek ihtiyacını hem de işlem süresini düşürdü. Hassasiyetin kritik olduğu adımlarda ise daha yüksek hassasiyet korundu.

4. Çoklu token tahmini

Model eğitim sırasında yalnızca bir sonraki kelimeyi değil, birkaç adım sonrasını da tahmin etmeye çalıştı. Bu yöntem, eğitim verisinden daha fazla öğrenme sinyali çıkarılmasına yardımcı oldu.

5. Donanım ve yazılım optimizasyonu

DeepSeek ekibi, GPU’lar arasındaki veri trafiğini ve hesaplamayı üst üste bindiren özel bir iş akışı geliştirdi. Böylece bağlantı hızı sınırlı H800 GPU’lar bile verimli kullanılabildi.

Yöntem Ne kazandırır?
Uzmanlar karışımı (MoE) Her adımda modelin yalnızca küçük bir kısmı çalışır
MLA Bellek kullanımı ve çalıştırma maliyeti düşer
FP8 eğitim Daha hızlı hesaplama, daha az bellek
Çoklu token tahmini Aynı veriden daha fazla öğrenme
İletişim optimizasyonu Sınırlı donanımdan daha yüksek verim

DeepSeek’in Etkisi: R1 ve “Sputnik Anı”

DeepSeek, Ocak 2025’te akıl yürütme odaklı R1 modelini yayınladı. R1, OpenAI’ın o1 modeline yakın sonuçlar verirken açık ağırlıklı olarak paylaşıldı ve API fiyatları rakiplerin çok altında tutuldu. DeepSeek’in sohbet uygulaması kısa sürede birçok ülkede uygulama mağazalarının üst sıralarına çıktı.

Bu gelişme, yapay zekâ için gereken çip yatırımına dair beklentileri sorgulattı ve Ocak 2025’in sonunda Nvidia başta olmak üzere teknoloji hisselerinde sert düşüşlere yol açtı. Bazı yorumcular bu ânı, ABD-Çin teknoloji rekabetinde bir “Sputnik anı” olarak nitelendirdi. Akıl yürüten modeller arasındaki rekabeti OpenAI o3 yazımızda, araştırma ajanları tarafındaki yarışı ise Deep Research nedir yazımızda bulabilirsiniz.

DeepSeek Bugün Nerede?

DeepSeek, V3 ve R1’den sonra modellerini güncellemeye devam etti. 2025 boyunca V3 serisinin yeni sürümleri yayınlandı ve akıl yürütme ile sohbet modları tek modelde birleştirildi. Nisan 2026’da ise V4 serisini önizleme olarak duyurdu. V4-Pro ve V4-Flash adlı iki açık ağırlıklı model, 1 milyon token’a kadar bağlam penceresi sunuyor.

Öte yandan DeepSeek, veri güvenliği ve gizlilik açısından tartışmalı olmaya devam ediyor. İtalya’nın veri koruma kurumu 2025’te uygulamayı engelledi; bazı ülkeler de DeepSeek’in kamu cihazlarında kullanılmasını kısıtladı. Şirketin sunucuları Çin’de bulunduğu için işletmelerin hassas verileri DeepSeek’in kendi uygulaması üzerinden işlemeden önce iki kez düşünmesi gerekiyor. Açık ağırlıklı modelleri kendi sunucunuzda veya güvenilir bir bulut sağlayıcısında çalıştırmak bu riski azaltan bir alternatif.

Bu Gelişme İşletmeler İçin Ne Anlama Geliyor?

DeepSeek’in verimlilik atılımı, yapay zekâ kullanmanın maliyetini tüm sektörde aşağı çekti. Rakip şirketler de fiyatlarını düşürdü ve daha küçük, daha ucuz modeller sunmaya başladı. İşletmeler açısından sonuçları şöyle özetleyebiliriz:

  1. Daha düşük API maliyeti: Müşteri hizmetleri botu, ürün açıklaması üretimi veya veri sınıflandırma gibi işler daha uygun maliyetle otomatikleştirilebilir.
  2. Açık model seçeneği: Verilerini dışarı göndermek istemeyen şirketler, açık ağırlıklı modelleri kendi altyapısında çalıştırabilir.
  3. Model seçiminde esneklik: Tek bir sağlayıcıya bağlı kalmak yerine görev bazında farklı modeller denemek mümkün hâle geldi. Alternatifler için Anthropic Claude gibi modelleri de değerlendirebilirsiniz.
  4. Kalite kontrol hâlâ şart: Ucuz model, kontrolsüz kullanım anlamına gelmemeli. Çıktıların doğruluğu ve marka diline uygunluğu insan gözüyle denetlenmeli.

Dijital pazarlamada kullanım örnekleri

  • Büyük ürün kataloglarında açıklama ve meta veri taslakları üretmek
  • Müşteri yorumlarını olumlu, olumsuz ve konu bazında sınıflandırmak
  • Reklam metni varyasyonlarını hızlıca hazırlayıp test etmek
  • Arama terimi raporlarını gruplandırarak yeni anahtar kelime fikirleri çıkarmak

Bu kavramlara yabancıysanız mutlaka bilmeniz gereken dijital pazarlama terimleri yazımız iyi bir başlangıç noktası olur. Gezgin Ajans olarak dijital pazarlama danışmanlığı hizmetimizde, hangi işlerde hangi yapay zekâ aracının maliyet ve veri güvenliği açısından uygun olduğunu birlikte değerlendiriyoruz.

Sıkça Sorulan Sorular

DeepSeek gerçekten 11 kat daha az işlem gücü mü kullandı?

DeepSeek-V3’ün son eğitim turu için açıklanan GPU saati, Llama 3.1 405B için açıklanan rakamın yaklaşık 11’de biri. Ancak bu karşılaştırma araştırma ve donanım yatırımını kapsamıyor.

DeepSeek-V3’ü eğitmek gerçekten 5,6 milyon dolara mı mal oldu?

Bu rakam yalnızca son eğitim turunun GPU kiralama karşılığıdır. Şirketin toplam yatırımı, donanım ve araştırma giderleriyle çok daha yüksektir.

DeepSeek’in en güncel modeli hangisi?

DeepSeek, Nisan 2026’da V4 serisini (V4-Pro ve V4-Flash) önizleme olarak yayınladı. Güncel sürümleri şirketin resmî sitesinden takip edebilirsiniz.

DeepSeek’i iş için kullanmak güvenli mi?

Kişisel veya ticari açıdan hassas verileri DeepSeek’in Çin’deki sunucularına göndermek KVKK açısından risk taşıyabilir. Açık ağırlıklı modelleri kendi altyapınızda çalıştırmak daha kontrollü bir yoldur.

MoE (uzmanlar karışımı) nedir?

Modelin birçok uzman alt ağdan oluştuğu ve her adımda yalnızca ilgili uzmanların çalıştırıldığı bir mimaridir. Büyük modelleri daha düşük maliyetle çalıştırmayı sağlar.

Etiketler:
Teknoloji, Yapay Zeka (AI)

İlgili Yazılar