Yapay zeka arenasında Claude ve Gemini hız kesmezken, rekabetin doğası da değişiyor. Google tarafından iş dünyasına özel olarak geliştirilen Nano Banana Pro modeli, görsel içerikler oluşturmadaki hızı ile beğeni topluyor. Fakat, Çin menşeli Z.ai’ın yeni açık kaynak harikası GLM-Image, bu sistemin dinamiklerini sarsma potansiyeline sahip. Google’ın sistemine meydan okuyan bu model, özellikle metin içeren görsellerdeki başarısıyla dikkatleri üzerine çekiyor. İşte detaylar…

16 milyar parametreye sahip olan GLM-Image, yaygın kullanımda olan Pure Diffusion mimarisini bir kenara bırakıyor. Bu mimari, görsel oluşturmak için rastgele pikselleri kullanırken, yeni model Auto-regressive teknolojisi ile Diffusion yeteneklerini harmanlayarak daha akılcı bir yaklaşım sağlıyor. Bu yenilikçi yapı sayesinde, yalnızca ticari amaçla sunulan kapalı modellerin gerçekleştirebildiği bilgi yoğun infografikler ve teknik şemalar artık açık kaynaklı bir platformda da üretilebiliyor. Nano Banana Pro ile karşılaştırıldığında GLM-Image, bazı testlerde rakibini geride bırakmayı başardı.

GLM-Image’in en büyük avantajı ise görselliğinin ötesinde, metin içindeki doğruluk oranıdır. CVTG-2k adı verilen benchmark üzerindeki değerlendirmelerde Z.ai’ın yapay zekası, 0.9116 gibi dikkat çekici bir puan alarak rakiplerinden öne geçti. Google’ın saygın modeli, bu değerlendirmede daha düşük bir skorla karşılık verdi. Mesela, bir pazarlama sunumu oluşturmayı hayal ettiğinizde; gerekli başlık, üç ana madde ve bir alt açıklama için Nano Banana Pro, artan metin sayısıyla birlikte yanılgılar göstermeye başlarken, GLM-Image karmaşık senaryolarda %90’ın üzerinde bir doğruluk oranını koruyabiliyor. “Halüsinasyon”, yapay zekanın gerçekte var olmayan yanlış bilgiler üretmesini ifade eder.

Diğer yandan, kullanıcı deneyimi de önemli bir faktör. Nano Banana Pro, internet erişimine sahip olduğu için “Bana gökyüzündeki takımyıldızlarını çiz” dediğinizde, arama motorunu kullanarak veri toplayabiliyor. Ancak GLM-Image ile sizin her ayrıntıyı net bir şekilde belirtmeniz gerekiyor. Yani, işin rahatlığı burada biraz eksik kalıyor. Ayrıca estetik açıdan değerlendirdiğimizde, Google’ın oluşturduğu görseller hâlâ göz alıcı ve cazip duruyor.

GLM-Image’in metinlerdeki başarısının altındaki yatan sebep, problemi çözme yaklaşımındaki köklü değişikliktir. Geleneksel modeller, piksellerle doğrudan çalıştıkları için genel görüntü ve ince detaylar üzerinde bir arada çalışmaya çabalar. Bu süreç bazen yanlış yönelmelere ve istenilen görmenin bozulmasına yol açabilir. GLM-Image, bu sorunu aşmak için süreci iki ayrı uzmanlığa ayırıyor.

İlk aşamada, dokuz milyar parametreli Auto-regressive modülü devreye giriyor. Bu modül, piksellerle uğraşmadan, bir mimar gibi mantıksal bir yapı oluşturarak, görseli oluşturan “Visual Tokens” adı verilen kod parçacıkları üretiyor. Bu parçacıklar, metinlerin yerleşimi ve nesnelerin konumu üzerinde taslak görevi yapıyor. İkinci aşamada ise bu taslağı bir ressam gibi boyayarak doku, aydınlatma ve stil ekliyor. Bu yöntem, metinlerin doğruluğu garantilenirken, görsellerin de gerçekçi görünmesine olanak tanıyor.

GLM-Image, kullanıcıların yazılımlarını sınırsız bir şekilde kullanmalarına izin veren MIT License ve patent haklarını içeren açık erişim lisanslarına sahip. Bu durum, firmaların bu modeli ticari ürünlerinde özgürce kullanmasına, değiştirmesine ve dağıtmasına olanak tanıyor. Patent davalarının riskini minimize eden bu lisanslar, hassas veri işleyen şirketler için oldukça avantajlı.

Her yeniliğin bir zorluğu vardır; bu modelin zorluğu ise işlemci gücüdür. İki katmanlı bu yapıyı çalıştırmak, bilgisayarları oldukça zor bir duruma sokuyor. 2048×2048 çözünürlüğünde tek bir görüntü üretmek, yani modelin verileri işleyip sonucu sunma süreci, güçlü bir H100 GPU üzerinde bile yaklaşık dört dakika alıyor. Basit modeller ise saniyeler içinde sonuç verirken bu bekleme süresi uzun görünebilir. Lakin, bir grafik tasarımcının günlerini alacak bir işin dört dakikada tamamlandığını düşünürsek, bu süre oldukça makul.

Patent Varlığı, Ürün Yokluğu: Apple’ın Yüzük Stratejisindeki Sorunlar