Moonshot AI’dan 2,8 Trilyon Parametreli ‘Kimi K3.1 Pro’, AI Altyapısında CDS/Opsiyon Korunma Dalgası ve Otonom Sistemlerde Hukuki Sorumluluk

1. Moonshot AI’dan 2,8 Trilyon Parametreli ‘Kimi K3.1 Pro’: 896 Uzmanlı MoE ve Kimi Delta Attention

Açık ağırlıklı (open-weight) sınır modeller arasındaki ölçek yarışı, Moonshot AI tarafından tanıtılan Kimi K3.1 Pro (ve yüksek hızlı çıkarım varyantı Kimi K3.1 Pro Highspeed) ile yeni bir eşiğe ulaştı. Temmuz 2026'da duyurulan temel Kimi K3 mimarisinin kapsamlı bir ileri eğitim (post-training) sürümü olan Kimi K3.1 Pro, toplam 2,8 trilyon parametre ölçeğiyle bugüne kadar geliştirilen en büyük açık ağırlıklı Uzmanların Karışımı (Mixture-of-Experts - MoE) modellerinden biri olarak konumlanıyor.

Mimari Omurga: 896 Uzman, 104B Aktif Parametre ve KDA

Devasa parametre sayısına rağmen çıkarım maliyetini kontrol altında tutmak amacıyla modelde yüksek seyrekliğe (high sparsity) sahip özel bir yönlendirme ve dikkat mekanizması kullanılıyor:

• 896 Uzmanlı Seyrek MoE: Model içindeki toplam 896 uzmandan her bir token işlenirken yalnızca 16 uzman (toplam 104 milyar aktif parametre) devreye girer.
• Kimi Delta Attention (KDA) ve Attention Residuals (AttnRes): 1 milyon tokenlık bağlam penceresi boyunca uzun ufuklu kodlama (long-horizon coding), terminal araç kullanımı ve çok adımlı ajan görevlerinde dikkat dağılmasını önlemek için Kimi Delta Attention ve Attention Residuals katmanları birlikte çalıştırılır.
• Eğitim Verisi Düzeyinde Siber İstismar Arındırması: Açık ağırlıkların (4 Kasım 2026 itibarıyla tam sürüm dağıtımı planlanan ağırlık paketlerinin) kötü amaçlı siber operasyonlarda kullanılmasını engellemek amacıyla Moonshot AI, eğitim kümesinden saldırı amaçlı istismar (exploit) ve zararlı yazılım geliştirme verilerini özel filtrelerle ayıkladı. Böylece modelin genel yazılım mühendisliği, 3D varlık üretimi ve finansal analiz performansı korunurken saldırı vektörü üretimi veri kaynağı düzeyinde sınırlandırıldı.

[!IMPORTANT]
Kıyaslama Konumu: Bağımsız Artificial Analysis Intelligence Index değerlendirmelerinde Kimi K3.1 Pro, uzun soluklu ajan iş akışları ve karmaşık kod tabanı muhakemesinde Claude Opus 5.5 ve GPT-6 Astra gibi kapalı ticari sınır modellerin hemen arkasında yer alarak açık ağırlıklı ekosistemde yeni bir referans noktası oluşturdu.

2. AI Altyapı Piyasasında Türev Korunma (Hedging) Dalgası: CoreWeave Opsiyonları ve Hiper Ölçekleyici CDS Spreadleri

Teknoloji devlerinin trilyonlarca dolarlık yapay zeka veri merkezi ve çip yatırımlarının (AI CapEx) serbest nakit akışı üzerinde yarattığı baskı, finans piyasalarda yeni bir türev korunma (downside hedging) endüstrisi doğurdu. Investing.com tarafından aktarılan piyasa verilerine göre, kurumsal yatırımcılar ve veri merkezi işletmecileri olası bir yapay zeka altyapı düzeltmesine karşı üç ana finansal enstrümana yöneliyor:

1. CoreWeave Satım Opsiyonları (Put Options) ve GPU Kiralama Türev Masaları: Yapay zeka bulut altyapısı (neocloud) sağlayıcısı CoreWeave hisselerine bağlı satım opsiyonlarında işlem hacimleri rekor seviyeye ulaştı. Eşzamanlı olarak kantitatif ticaret firmaları, veri merkezi operatörlerini düşen GPU saatlik kiralama (compute spot/rental) fiyatlarına karşı korumak üzere vadeli işlem ve türev masaları kurmaya başladı.
2. Hiper Ölçekleyici Kredi Temerrüt Takasları (CDS Spreadleri): Amazon, Alphabet, Microsoft, Meta ve Oracle gibi devasa sermaye harcaması açıklayan teknoloji devlerinin borçlarını temerrüt riskine karşı sigortalama maliyeti olan CDS (Credit Default Swap) spreadleri son yılların en yüksek seviyelerine tırmandı.
3. CapEx – Nakit Akışı Makası: Bilançolarda görülen rekor düzeydeki sunucu ve enerji altyapısı nakit çıkışlarının ne zaman net kârlılığa dönüşeceğine dair belirsizlik, teknoloji endekslerinde doğrudan hisse satışı yerine opsiyon ve kredi türevleriyle koruma (collar / put spread) stratejilerini öne çıkarıyor.

3. Otonom Sistemlerde Hukuki Kusur Yeteneği (Mens Rea), Komuta Sorumluluğu ve Güvenlik Bariyerleri

Yapay zeka sistemlerinin askeri hedefleme platformlarından tıbbi danışmanlığa ve biyometrik içerik üretimine kadar kritik alanlara yayılması, ağır sonuçlar doğuran otonom kararlarda hukuki ve cezai sorumluluğun kime ait olduğu tartışmasını gündemin merkezine taşıdı (Diken ve Posta analizleri).

flowchart TD
    A["Yüksek Riskli AI Karar Talebi<br/>(Askeri Hedefleme / Tıbbi Protokol / Biyometrik Medya)"] --> B{"Alan ve Risk Sınıflandırıcısı"}
    B -->|"Askeri / Kritik Altyapı"| C["Uluslararası İnsancıl Hukuk (IHL) & Mens Rea İlkesi:<br/>AI Tüzel Kişiliğe Sahip Değildir; Sorumluluk İnsan Zincirindedir"]
    B -->|"Tıbbi / Klinik İstem"| D["Kesin Reddetme (Hard Refusal) Bariyeri:<br/>İlaç Kesme veya Reçete Değişikliği Otonom Önerilemez"]
    B -->|"Sentetik Medya / Avatar"| E["C2PA Kriptografik Filigran & Açık Rıza Doğrulaması"]
    C --> F["Anlamlı İnsan Kontrolü (Meaningful Human Control)<br/>Komutan + Baş Mühendis Çift Kriptografik İmza Kaydı"]
    D --> F
    E --> F

A. Uluslararası Hukukta Mens Rea ve ‘Anlamlı İnsan Kontrolü’ (MHC)

Ceza hukukunun ve Uluslararası İnsancıl Hukukun (IHL) evrensel ilkelerine göre bir failin "savaş suçlusu" veya cezai sorumlu sayılabilmesi için irade, bilinçli kast ve kusur yeteneğine (mens rea) sahip olması gerekir. Otonom hedef belirleme ve istihbarat algoritmaları yalnızca olasılıksal matris işlemleri yürüten yazılımlar olduğundan hukuki kişiliğe sahip değildir. Bu nedenle otonom veya yarı-otonom sistemlerin yol açtığı ihlallerde hukuki sorumluluk "makine hatası" bahanesiyle sıfırlanamaz; doğrudan şu üçlü insan zincirine bağlanır:

• Askeri Komutanlar ve Operatörler: Algoritmik çıktıyı doğrulamadan onaylayan veya sistemi uygunsuz sahada devreye alan komuta kademesi.
• Yazılım Mühendisleri ve Teknoloji Şirketleri: Sistemi uluslararası hukuku ihlal edecek biçimde tasarlayan, yanlı (biased) veriyle eğiten veya zorunlu güvenlik/doğrulama testlerini ihmal eden üreticiler.
• Siyasi Karar Vericiler: Stratejik konuşlandırma yetkisi veren kamu otoriteleri.

B. Sivil Alanda Klinik Yanlış Yönlendirme ve Biyometrik Deepfake Krizleri

Sivil kullanımda ise denetimsiz sohbet botlarının tavsiyesiyle hayati ilaçlarını bırakan hastaların yaşamını yitirmesi sonucu açılan davalar, UNICEF'in çocuk güvenliğini tehdit eden sentetik görüntülere yönelik uyarıları ve izinsiz dijital avatar/deepfake belgeselleri, model katmanında deterministik güvenlik bariyerlerini (hard guardrails) zorunlu kılıyor.

Mühendislik Uygulaması: ‘Anlamlı İnsan Kontrolü’ (MHC) ve Klinik/Biyometrik Güvenlik Bariyeri

Yüksek riskli alanlarda çalışan kurumsal yapay zeka sistemlerinde sorumluluk zincirinin (accountability chain) kanıtlanabilmesi ve tehlikeli tıbbi/biyometrik çıktıları deterministik olarak engellemek için uygulama katmanında kriptografik denetim kapıları kullanılmalıdır. Aşağıdaki Python referans uygulaması, Mens Rea sorumluluk ataması yapan ve klinik ilaç değişikliği / izinsiz deepfake taleplerini doğrudan bloke eden bir MHC Denetim Motoru sunmaktadır:

import hashlib
import json
from dataclasses import dataclass
from datetime import datetime, timezone
from enum import Enum
from typing import List

class HighRiskDomain(Enum):
    DEFENSE_TARGETING = "DEFENSE_TARGETING"
    CLINICAL_MEDICATION = "CLINICAL_MEDICATION"
    BIOMETRIC_SYNTHESIS = "BIOMETRIC_SYNTHESIS"

@dataclass(frozen=True)
class HumanAccountabilitySignature:
    actor_id: str
    role: str  # COMMANDER, LEAD_ENGINEER, CLINICAL_PHYSICIAN, CONSENT_OWNER
    signature_hash: str

class SafetyBarrierBlockedError(PermissionError):
    """Otonom sistemin tek başına karar veremeyeceği yüksek riskli işlem engeli."""

def enforce_meaningful_human_control(
    domain: HighRiskDomain,
    model_proposal: str,
    signatures: List[HumanAccountabilitySignature],
) -> dict:
    # 1. Klinik İlaç Kesme / Dozaj Değiştirme Taleplerine Kesin Engel (Hard Refusal)
    if domain == HighRiskDomain.CLINICAL_MEDICATION:
        lower_prop = model_proposal.lower()
        if any(term in lower_prop for term in ["ilacı bırak", "dozu kes", "stop medication"]):
            raise SafetyBarrierBlockedError(
                "Klinik Güvenlik İhlali: Yapay zeka modeli reçeteli ilaç kesme tavsiyesi veremez."
            )

    # 2. Mens Rea & Anlamlı İnsan Kontrolü (MHC): En Az 2 Bağımsız İnsan Rolü Onayı
    required_roles = {
        HighRiskDomain.DEFENSE_TARGETING: {"COMMANDER", "LEAD_ENGINEER"},
        HighRiskDomain.CLINICAL_MEDICATION: {"CLINICAL_PHYSICIAN"},
        HighRiskDomain.BIOMETRIC_SYNTHESIS: {"CONSENT_OWNER", "LEAD_ENGINEER"},
    }[domain]

    provided_roles = {sig.role for sig in signatures}
    missing_roles = required_roles - provided_roles
    if missing_roles:
        raise SafetyBarrierBlockedError(
            f"Hukuki Sorumluluk Zinciri Eksik ({domain.value}): Eksik insan onay rolleri -> {missing_roles}"
        )

    # 3. Değiştirilemez (Immutable) Denetim İzi (Audit Trail) Özeti
    audit_payload = {
        "timestamp_utc": datetime.now(timezone.utc).isoformat(),
        "domain": domain.value,
        "proposal_sha256": hashlib.sha256(model_proposal.encode("utf-8")).hexdigest(),
        "accountable_humans": [{"id": s.actor_id, "role": s.role} for s in signatures],
    }
    audit_digest = hashlib.sha256(json.dumps(audit_payload, sort_keys=True).encode("utf-8")).hexdigest()
    return {"status": "MHC_VERIFIED", "audit_digest": audit_digest, "record": audit_payload}

[!TIP]
Sistem Mimarisi Önerisi: Tıbbi, hukuki, finansal veya savunma odaklı kurumsal uygulamalarda LLM çıktılarının son kullanıcıya doğrudan iletilmesi yerine deterministik kural motorları (policy-as-code) ve çoklu insan imzası (multi-sig human-in-the-loop) zorunlu tutulmalıdır. Her karar kaydı, hangi mühendisin model sürümünü doğruladığını ve hangi operatörün nihai onayı verdiğini kriptografik özetle (SHA-256) kayıt altına almalıdır.