Asya merkezli iki teknoloji şirketi, ABD hükümetinin Anthropic şirketine ait Mythos ve Fable 5 modellerine getirdiği ihracat yasaklarının ardından kendi çözümlerini tanıttı. Tokyo merkezli Sakana AI, Fable 5 ile benzer performans sergilediğini belirttiği Fugu isimli orkestrasyon modelini piyasaya sürerken, Pekin merkezli 360 Security ise Mythos'a rakip olarak konumlandırdığı Tulongfeng adlı güvenlik açığı tespit aracını duyurdu.

Sakana AI ve Fugu'nun Farklı Yaklaşımı

2023 yılında Llion Jones, David Ha ve Ren Ito tarafından kurulan Sakana AI, geleneksel yöntemlerin aksine sıfırdan devasa bir model eğitmek yerine yedi milyar parametreli bir orkestratör geliştirdi. Fugu, kendisine gelen bir problemin hangi kısımlarının hangi harici modeller tarafından çözülmesi gerektiğine karar vererek görevleri yönetiyor. Şirket, bu koordinasyon yöntemiyle, eğitim maliyetleri çok daha yüksek olan sistemlerin performansına ulaşıldığını iddia ediyor.

Kasım 2025'te gerçekleşen Seri B yatırım turunda 135 milyon dolar yatırım alan ve yaklaşık 3 milyar dolar değerlemeye ulaşan şirket, ürünlerini 'ihracat kontrolleri riski olmadan öncü yetenekler sunmak' üzere pazarlıyor. Kuruculardan David Ha, ulusal altyapı için tek bir sağlayıcıya güvenmenin büyük bir risk olduğunu vurguladı.

360 Security ve Siber Güvenlik Odaklı Araçlar

Pekin'de düzenlenen ISC AI 2026 konferansında Zhou Hongyi tarafından tanıtılan Yitian Tulong serisi, siber güvenlik alanına odaklanıyor. Serinin bir parçası olan Tulongfeng otomatik güvenlik açığı bulmaya, Yitianzhen ise siber savunma ve olay müdahalesini otomatize etmeye yarıyor.

Şirket yetkilileri, Çinli modellerin temel yetenekler açısından ABD'li rakiplerinin yüzde 20 ile 30 oranında gerisinde olduğunu kabul etti. Ancak Tulongfeng'in şimdiye kadar 3 bin 432 yazılım açığı tespit ettiği ve bunlardan 105'inin Çinli yetkililerce onaylandığı öne sürüldü.

Ne anlama geliyor?

Yapay zeka dünyasında orkestrasyon mekanizması, tek bir devasa model yerine birçok küçük ve özelleşmiş modelin bir yönetici tarafından koordine edilmesini sağlar. Bu yöntemle, karmaşık bir soru parçalara ayrılır ve her parça o konuda en uzman olan küçük modele yönlendirilir. Sonuçta tüm yanıtlar birleştirilerek kullanıcıya sunulur. Bu süreç, çok yüksek işlem gücü ve maliyet gerektiren dev modellerin yarattığı bağımlılığı azaltarak daha verimli bir çalışma yapısı sunar.

Siber güvenlik tarafındaki otomatik açık tespit araçları ise yazılımların kodlarını sürekli tarayarak insan gözünün kaçırabileceği hataları bulur. Bu sistemler, dijital savunma duvarlarını güçlendirmek için kullanılır ve yazılımdaki zayıf noktaların saldırganlardan önce bulunup kapatılmasını sağlar. Kullanıcılar için bu durum, kullandıkları uygulamaların daha güvenli hale gelmesi ve veri sızıntısı risklerinin azalması anlamına gelir.