Yazar: Biteye Çekirdek Katılımcısı @anci_hu49074

Blockchain giderek yapay zekanın finansal altyapısı haline geliyor ve merkeziyetsizlik idealinin acilen bir atılıma ihtiyacı var.

Geçmişte, topluluk blockchain ve yapay zekanın birleşimiyle ilgili olarak birçok yeni terim ortaya attı: Web3 AI çeşitli bileşimleri ifade eder, Kripto AI muhafazakar ve pragmatik yaklaşıma yönelir ve kripto aracılığıyla yapay zeka için temel finansal altyapı sağlamayı umar; DeAI ise herkesin katılabileceği demokratik ve adil bir yapay zeka yaratmak için blockchain'i kullanmaya çalışan öncü merkeziyetsizlik idealini temsil eder.

İdeal olarak, bu iki yol paralel olarak ilerleyebilir ve verimli ve adil bir Web3 yapay zeka ekosistemini birlikte destekleyebilir. Ancak gerçek her zaman dramatiktir: Nof1'in yapay zeka kripto para spekülasyonunu çevreleyen çılgınlık henüz dinmemişken, Google, Cloudflare ve Coinbase gibi devlerin desteklediği X402 hızla popülerlik kazanıyor ve bu da blockchain'in yapay zeka ödemelerinin temel altyapısı haline geleceği inancını daha da güçlendiriyor; yani Kripto Yapay Zeka'nın yönü.

Ancak, Kripto Yapay Zeka (AI) gelişiminin bu güçlü ivmesi, bizi bir ölçüde geleneksel devlere daha bağımlı hale getirdi ve onların sürekli büyümesini hızlandırdı. Sıradan insanların yapay zeka değerinin dağıtımına katılmasını ve geleneksel devlere daha fazla bağımlı olmaktan nasıl kaçınabiliriz? Yapay Zeka'nın (DeAI) bu çıkmazdan kurtulmak için yeni bir yola ihtiyacı var.

Bu bağlamda Gradient kendi cevabını sunuyor.

Bulut tabanlı mı yoksa yerel tabanlı mı? Bu, merkezi olmayan yapay zeka için kritik bir sorudur.

Bulut veya yerel – bunlar sıklıkla karşılaştığımız seçimlerdir.

Geçmişte bulutun sağladığı kolaylıklar bizi iyimser bir şekilde "her şey bulutta" diye ilan etmeye yöneltmişti. 5G'nin hızlanmasıyla donanım kısıtlamalarından kurtulup "kiralama" yoluyla düşük fiyatlarla depolama ve bilgi işlem gücü elde edebileceğimize inanıyorduk; bu da esnek ve ekonomik bir seçenek olurdu.

Ancak yapay zeka çağında bu "seçme hakkı" sessizce elimizden alınıyor; önemli bir Nvidia çipi kolayca on binlerce dolara mal olabiliyor ve sıradan insanlar ancak buluta geçerek pazara girebiliyor, "Camel Xiangzi"nin senaryosunu almak zorunda kalıyorlar, böylece görünmez bir şekilde bulut devlerine daha fazla güç veriyorlar.

Önceden paketlenmiş bulut ürünlerini seçmek verimlilik ve kolaylık meselesi gibi görünebilir, ancak aslında kişinin kişisel "yapay zeka varlıkları" üzerindeki kontrolünü tamamen kaybetmesi anlamına gelir. Yapay zeka öncesi dönemde, verileri ücretsiz hizmetlerle değiştirebiliyor olabilirdik; ancak yapay zeka yeteneklerinin sınırları genişlemeye devam ettikçe, bir gün yapay zeka varlıklarımızı yönetecek, yatırımlarımıza karar verecek, en derin ve en savunmasız arzularımızı ve gizli acılarımızı anlayacak ve hayatlarımızın vazgeçilmez bir parçası haline gelecektir.

Ancak bulut tabanlı bir çözüm benimserseniz, bu vazgeçilmez kısım bulut servis sağlayıcısının elindedir. ChatGPT4'ün uygulama mağazalarından kaldırılmasıyla internette oluşan büyük umutsuzluğu hatırlıyor musunuz?

Gradient'in amacı, herkese modeller dağıtma yeteneği kazandırmak, onlara "AI varlıkları" üzerinde mutlak egemenlik sağlamak ve gizlilik ile güvenliği korurken verileri yerel olarak depolamalarına yardımcı olmaktır.

Bu, Gradient'in bulutun performans ve ölçeklenebilirlik avantajlarından vazgeçip tamamen yerelleştirmeye yöneldiği anlamına gelmiyor. Aksine, iş birliğine dayalı ağlar sayesinde Gradient, bulut performansını yerel gizlilik avantajlarıyla birleştirebilir. Kullanıcılar, bulutun yüksek verimliliği ve esnekliğinden yararlanırken veri güvenliği ve özerkliğini koruyabilir ve aynı zamanda ağ iş birliği sayesinde maliyetleri düşürebilir. Yapay zeka yardımcıları ve yapay zeka işlemleri gibi yoğun talep gören senaryolar için bu model, benzeri görülmemiş çok yönlü avantajlar sunar.

Ve tüm bunları açıklamak için Parallax'la başlayalım.

bulut

yerel

Gradyan Paralaks

Sermaye yatırımı

Düşük

yüksek

Temel olarak ücretsiz

Zorluk seviyesi

Sermaye yatırımı

Düşük

yüksek

Temel olarak ücretsiz

Zorluk seviyesi

Basit

Felaket

Basit

Gizlilik koruması

Düşük

yüksek

yüksek

Veri egemenliği

hiçbiri

sahip olmak

sahip olmak

Hiç böyle bir soruyla karşılaştınız mı? Açık kaynaklı modeller harika ve yüksek bir vizyona sahip, ancak pratikte bana alakasız görünüyorlar. Bizim gibi sıradan insanların GPU hesaplama gücü yok ve karmaşık kurulum projelerini yönetemiyoruz. Bu modeller HuggingFace'te ücretsiz olarak mevcut olsa bile, dizüstü bilgisayarlarda çalıştığını iddia eden modeller genellikle en üst düzey bir Macbook Pro M4 ile sınırlıdır ve performansları hala çok sınırlıdır.

Açık kaynaklı modeller ile sıradan kullanıcılar arasındaki uçurumu nasıl kapatabilir ve açık kaynaklı modellerin güçlü potansiyelini nasıl ortaya çıkarabiliriz? Gradient, Parallax adlı çözümünü sunuyor.

Ücretsiz – Parallax, PC veya Mac'inize ücretsiz olarak indirip kurabileceğiniz tamamen açık kaynaklı bir yapay zeka işletim sistemidir. Ardından, Parallax'ın şu anda sunduğu 40'tan fazla açık kaynaklı model arasından uygun bir model seçip, yerel bilgisayarınıza indirerek bağımsız çalışabilir, mutlak gizlilik ve sıfır maliyet elde edebilirsiniz (elektrik maliyetlerini hesaba katmazsanız).

Basit – tüm kurulum süreci çok hızlıdır, sadece bilgisayar terminali işletimi hakkında biraz bilgi gerektirir (yapay zekanın yardımıyla bunu kolayca çözebilirsiniz) ve genellikle üç dakika içinde tamamlanabilir.

Ölçeklenebilirlik – Daha önce de belirtildiği gibi, tek makine performansı sınırlıdır ve en üst düzey bilgisayarlar bile LLM çalışmalarının performans gereksinimlerini karşılamakta zorlanır. Bu nedenle, tek makine çalışması için Yerel Ana Bilgisayar (yerel mod) özelliğine ek olarak, Parallax şunları da sunar:

- Ortak Sunucu Modu: Arkadaşınızın bilgisayarının işlem gücünü yerel alan ağı (LAN) üzerinden paylaşın. Birden fazla cihazınız varsa, bunları bu şekilde birbirine bağlayabilirsiniz.

- Küresel Ana Bilgisayar: Coğrafi geniş alan ağları (WAN'lar) genelinde dağıtılmış barındırma, daha dağıtılmış bilgi işlem gücünün işbirliğine ve daha büyük modellerin çalıştırılmasına olanak tanır.

Böylece açık kaynaklı model nihayet herkese açık hale geliyor ve üstün gizliliği dayanıklı performansla birleştiren kapsamlı bir çözüm sunuyor.

Gradient ürünlerini deneyimledikten sonra edindiğim en doğrudan izlenim, kullanım kolaylığı ve kullanıcıya duyulan saygı oldu.

Parallax, karmaşık yerel dağıtım ve işbirlikçi çıkarım süreçlerini zarif bir şekilde basitleştirerek sorunsuz ve kullanıcı dostu bir deneyim sunar. Ayrıca ekip, ilginç bir Chatbot Demosu yayınladı. Tipik chatbot'ların aksine, soruları yanıtlarken ağdaki her düğümün çıkarım sürecini gerçek zamanlı olarak görüntüler ve kullanıcıların merkezi olmayan çıkarımın tüm resmini sezgisel olarak görmelerini sağlar.

Gradient'in kullanıcılara karşı samimiyetinin yanı sıra genel DeAI iş düzeni de oldukça kapsamlı ve sağlam.

Gradient, Parallax'ın merkezi olmayan çıkarım yeteneklerini temel alarak, takviyeli öğrenme için merkezi olmayan bir eğitim protokolü olan Echo'yu ve temel veri iletim katmanı olarak hizmet veren ve eksiksiz bir merkezi olmayan yapay zeka teknoloji yığını oluşturan Lattica mimarisini de tanıttı.

Echo, "çıkarım örneklemesi" (veri oluşturma) ve "model eğitimi" adımlarını birbirinden ayırarak her birini yürütme için en uygun donanıma atayan, merkezi olmayan takviyeli öğrenme (RL) eğitimi için yenilikçi bir çerçevedir. Örneğin, günlük bilgisayarlar ve dizüstü bilgisayarlar veri toplama ve çevresel etkileşimi yönetirken, yüksek performanslı sunucular model eğitimi ve güncellemelerine odaklanır. Bu, yalnızca heterojen dağıtılmış bilgi işlem gücünü verimli bir şekilde entegre etmekle kalmaz, aynı zamanda eğitim verimliliğini artırır, maliyetleri düşürür ve daha esnek merkezi olmayan dağıtıma olanak tanır.

Genel amaçlı bir veri iletim motoru olan Lattica, merkezi olmayan ağlarda model ağırlıkları ve çıkarım belirteçleri gibi kritik verilerin verimli ve güvenli bir şekilde iletilmesinden sorumludur. 98 ms gibi düşük bir gecikme süresiyle dünya çapında 3.300'den fazla şehri ve 37.000 düğümü kapsar ve Gradient ekosisteminin "veri arterleri" olarak bilinir.

Genel amaçlı bir veri iletim motoru olan Lattica, merkezi olmayan ağlarda model ağırlıkları ve çıkarım belirteçleri gibi kritik verilerin verimli ve güvenli bir şekilde iletilmesinden sorumludur. 98 ms gibi düşük bir gecikme süresiyle dünya çapında 3.300'den fazla şehri ve 37.000 düğümü kapsar ve Gradient ekosisteminin "veri arterleri" olarak bilinir.

Echo'yu temel alan Gradient, gerçek dünya ortamlarında GPT-5 ve Claude Sonnet 4.5'in performansına yaklaşan veya hatta onları geçen bir dizi sektöre özgü modeli eğitiyor ve Infra'nın benimsenmesini sağlıyor.

Ayrıca, güçlü dağıtık bilgi işlem ağının hız ve maliyet avantajlarından yararlanan Gradient, kurumsal kullanıcılar için Gradient Cloud hizmetini kullanıma sunmuş ve LLM çıkarımı ve eğitiminin doğrulanabilirliğine ve izlenemez kullanıcı gizliliğine odaklanan bir yapay zeka güven katmanı oluşturmayı planlamaktadır. Bu temel üzerine inşa edilen Gradient, uygulama katmanı inovasyonunu yönlendirmek ve eksiksiz bir iş döngüsü oluşturmak için birden fazla yapay zeka aracısından oluşan iş birliğine dayalı bir ağ da oluşturacaktır.

Merkezi olmayan yapay zekanın zorluğu, kapitalizme meydan okumaktan daha az değildir; uygun zamanlama, konum ve insan faktörlerinin yüksek düzeyde bir araya gelmesini gerektirir.

Gradient, Pantera Capital ve Multicoin Capital liderliğinde, Sequoia China'nın da katılımıyla 10 milyon dolarlık tohum yatırımı topladı. İki kurucudan Eric, Sequoia China'dan gelirken, Yuan daha önce Helium ve Neo gibi projelerde çalıştı. Çekirdek ekip üyeleri arasında Tsinghua Üniversitesi Yao Class, ACM altın madalyalıları, Berkeley, CMU ve ETH Zürih gibi önde gelen üniversitelerden mezun ve Google, Apple, ByteDance ve Microsoft gibi önde gelen teknoloji şirketlerinde çalışmış kişiler yer alıyor.

Araştırma açısından ekip, dağıtılmış makine öğrenimi, yapay zekâ aracıları ve doğrulanabilir bilgi işlem gibi alanlarda sürekli olarak yüksek üretkenlik göstermiş ve çok sayıda ayrıntılı yayın yapmıştır. Gradient'in özellikle, merkezi olmayan eğitimdeki heterojen donanım planlama problemini ele alan karmaşık planlama algoritmalarındaki temel yeniliklerini ICLR 2026 yapay zekâ konferansında duyurması bekleniyor.

Gradient'in olağanüstü ürün ve araştırma yetenekleri sürekli olarak takdir ve destek görmektedir. Parallax şu anda Product Hunt'ta bir numarada yer almaktadır ve @Kimi_Moonshot ve @Alibaba_Qwen gibi önde gelen açık kaynaklı yapay zeka laboratuvarlarıyla iş birlikleri kurmuştur. Tek bir PC/Mac kurulumu, Kimi K2 ve Qwen3 235B gibi büyük modelleri sorunsuz bir şekilde çalıştırabilir.

Altyapı düzeyinde, Gradient, sürekli toplu işleme ve anahtar-değer önbelleğinin yeniden kullanımını destekleyen yüksek eşzamanlı çıkarım arka ucu olarak Silikon Vadisi'ndeki popüler bir yapay zeka altyapı şirketi olan @LMSYSOrg'dan SGLang'ı kullanıyor; ve Apple Silicon'da MLX LM için yerel destek kazanıyor, bu da büyük ölçekli çalışma zamanı sırasında yüksek verim ve düşük gecikme sağlıyor.

Gradient ayrıca, Solana ekosistemindeki etkisini aktif olarak artırmaktadır. Proje aynı zamanda, Visa ve Phantom gibi ekosistem ortaklarıyla birlikte çalışarak Solana ekosisteminde önemli bir yapay zeka altyapısı haline gelmek için son zamanlarda popüler olan Solana x402 Hackathon'unun sponsorlarından biridir.

Tüm DeAI sektörünün henüz "taşları hissederek nehri geçme" aşamasında olduğu bir dönemde, Gradient'in ürün yetenekleri, ekip geçmişi ve sektörde tanınırlık açısından iyi sonuçlar elde ettiği söylenebilir.

Son dönemdeki OpenAI güç mücadelesi bizi şaşkına çevirirken, aynı zamanda merkezi yapay zekanın sistemsel risklerini de gözler önüne serdi: Güç çok yoğunlaştığı zaman, kontrol kaybı ve suistimalin bedeli çok yüksek oluyor. Merkezi olmayan yapay zeka sadece teknolojik bir ideal değil, aynı zamanda sektörün sağlıklı gelişimi için kaçınılmaz bir gereklilik.

Uzun bir süre boyunca, merkezi olmayan ve açık kaynaklı yapay zekâ büyük ölçüde akademiyle sınırlı kaldı ve sıradan kullanıcılar, kalın bir "teknik bariyer" ile ayrılmış bir şekilde, sadece kenardan gözlemleyebildiler. Neyse ki Gradient, yalnızca ürün kullanılabilirliğini sürekli iyileştirerek değil, aynı zamanda yenilikçi araştırma ve kapsamlı geliştirme alanında istikrarlı adımlar atarak, daha fazla insanın açık kaynaklı yapay zekâ yeteneklerine gerçekten erişebilmesini ve bunlardan yararlanabilmesini sağlayarak bu boşluğu kapatmaya çalışıyor.

Elbette, merkezi olmayan yapay zekaya giden yol hâlâ uzun ve performans, güvenlik, etik ve yönetişim de dahil olmak üzere her yönüyle zorluklarla dolu. Ancak en azından bazı insanlar şimdiden sağlam adımlar atıyor.