Güçlü bir kodlama modeli, büyüyen güven tartışmasıyla karşı karşıya
Alibaba'nın Qwen3-Coder modeli, 480 milyar parametreyi, yerleşik 256.000 tokenlık bağlam penceresini ve karmaşık kodlama görevlerini yerine getirme becerisini, yapay zekâyı giderek daha fazla benimseyen bir yazılım sektörüne taşıyor. 31 Temmuz 2025 itibarıyla Çinli teknoloji şirketinin en gelişmiş açık kaynaklı kodlama modeli, hem teknik yetenekleriyle hem de Batı sistemlerinde kullanımına ilişkin güvenlik kaygılarıyla dikkat çekiyor.
İçindekiler
- Güçlü bir kodlama modeli, büyüyen güven tartışmasıyla karşı karşıya
- Modelin boyutu ve mimarisi ne anlama geliyor?
- Kod önerilerinden devredilen işlere
- Performans ve benimsenme, riskleri artırıyor
- Üretilen kod güvenlik ekiplerini neden kaygılandırıyor?
- Hassas kod ve veriler nereye gidebilir?
- Açık kaynaklı model neden zor denetim sorularını beraberinde getiriyor?
- Düzenlemelerde, yurt dışından getirilen kodlama yapay zekâsına ilişkin boşluklar var
- Şirketler, güvenlik önlemlerini rekabet baskısıyla tartıyor
- Güven, yazılım kararının bir parçası hâline geliyor
- Öne Çıkanlar
Amiral gemisi model Qwen3-Coder-480B-A35B-Instruct, belirli bir görev için parametrelerinin 35 milyarını etkinleştiriyor. Birden fazla adımda çalışabiliyor, geliştirme araçlarını kullanabiliyor; yazılım yazmaya, hata ayıklamaya ve yazılımı devreye almaya yardımcı olabiliyor. Alibaba ayrıca modeli geliştiricilerin mevcut iş akışlarına taşıyan bir komut satırı arayüzü olan Qwen Code'u da kullanıma sundu.
İşletmeler açısından cazibesi, maliyetleri ve manuel işi azaltabilecek, özelleştirilebilir bir kodlama asistanı sunması. Savunma, kritik altyapı veya gizli bilgilerden sorumlu kuruluşlar içinse kaygı, böyle bir aracın kaynak koda, iç sistemlere ve yazılım geliştirme süreçlerine erişmesi durumunda neler yaşanabileceği.
Tartışma birkaç konuyu bir araya getiriyor: üretilen koddaki güvenlik açıkları, hassas verilerin aktarımı, destekleyici hizmetlerin şeffaflığı ve Çin şirketlerinin Çin Ulusal İstihbarat Yasası kapsamındaki yükümlülükleri. Qwen3-Coder'ın daha bağımsız hareket edebilmesi bu soruları daha da acil hâle getiriyor; çünkü model, bir sonraki kod satırını önermekle kalmıyor.
Alibaba'nın bu sürümü, Batılı yapay zekâ geliştiricileri üzerindeki rekabet baskısını da artırıyor. Esnek koşullar sunan Apache 2.0 lisansı ve bildirilen güçlü performansı, yapay zekâyı nasıl devreye alacakları konusunda kontrol sahibi olmak isteyen işletmeler için modeli cazip bir seçenek hâline getiriyor. Benimsenmesini teşvik eden aynı özellikler, yazılım tedarik zincirinin daha yakından incelenmesi yönündeki çağrıları da artırıyor.
Modelin boyutu ve mimarisi ne anlama geliyor?
Qwen3-Coder, yaygın olarak MoE kısaltmasıyla anılan Uzmanlar Karışımı (Mixture-of-Experts) mimarisini kullanıyor. Basitçe söylemek gerekirse, model geniş bir öğrenilmiş yetenekler kümesine sahip; ancak belirli bir görevi yerine getirirken bu kümenin yalnızca bir bölümünü kullanıyor. Bu yaklaşım, yüksek performansı hesaplama kaynaklarının daha verimli kullanımıyla birleştirmeyi amaçlıyor.
Amiral gemisi sürüm 480 milyar parametreye sahip; görev sırasında bunların 35 milyarı etkin oluyor. Parametreler, modelin eğitim sırasında öğrendiği ve yanıt üretirken kullandığı sayısal değerlerdir. Etkin bölüm toplamın yaklaşık yüzde 7,3'üne karşılık geliyor. Bu da mimarinin, herhangi bir anda modelin ne kadarının devreye girdiğini nasıl sınırladığını gösteriyor.
Bağlam penceresi de bir diğer temel özellik. Bağlam penceresi, talimatlar, kaynak kod ve ilgili diğer materyaller dâhil olmak üzere yapay zekâ modelinin birlikte değerlendirebildiği bilgi miktarıdır. Qwen3-Coder yerleşik olarak 256.000 tokenı destekliyor. Tokenlar küçük metin birimleridir ve kabaca yüzlerce sayfalık kodu temsil edebilir.
Gelişmiş tekniklerle bu kapasite 1 milyon tokena, yani yerleşik pencerenin neredeyse dört katına çıkarılabiliyor. Daha geniş pencere, geliştiricilerin kod tabanının daha büyük bir bölümünü tek seferde modele sunmasına olanak tanıyor; böylece model dosyalar arasındaki ilişkileri inceleyebiliyor ve büyük yazılım projelerinde tek bir oturum boyunca çalışabiliyor.
Bu yetenekler, Qwen3-Coder'ı OpenAI'ın GPT-4'ü ve Anthropic'in Claude Sonnet 4'ü dâhil önde gelen Batılı modellerle rekabete sokuyor. Bağlam kapasitesinin bu modellerle yarıştığı ya da onları aştığı belirtilirken, mimarisi zorlu kodlama işlerini hesaplama açısından daha verimli hâle getirecek şekilde tasarlanmış.
Kod önerilerinden devredilen işlere
Qwen3-Coder'ın ajan tabanlı yetenekleri, modelin cazibesinin önemli bir bölümünü oluşturuyor. Ajan tabanlı bir model, yalnızca önerilen bir metin bloğuyla yanıt vermek yerine bir görevi üstlenebiliyor, birkaç adımda ilerleyebiliyor ve araçlarla etkileşime girebiliyor. Yazılım geliştirme bağlamında bu, kod tamamlamanın ötesine geçerek bir projenin tamamlanmasına daha kapsamlı katkıda bulunmak anlamına gelebilir.
Model, geliştiricilerin yazılım değişikliklerini takip etmek için kullandığı Git gibi araçlarla ve tarayıcı otomasyonuyla bütünleşebiliyor. Kullanım alanları geliştirme, hata ayıklama, belgelendirme ve güvenlik taramasını kapsıyor. Amaç, geliştiricilerin iş akışının daha büyük bir kısmını devrederek her adımı kendilerinin yürütmesine daha az zaman ayırabilmesi.
Qwen Code, geliştiricilerin yazılı komutlarla kullandığı bir araç olan komut satırı arayüzü üzerinden modeli tanıdık geliştirme pratiklerine bağlıyor. Bu, Qwen3-Coder'ı günlük işlere dâhil etmenin önündeki engelleri azaltıyor ve modelin yeteneklerini mevcut iş akışlarında kullanılabilir hâle getiriyor.
Daha fazla özerklik, gözetim gerektiren alanın da genişlemesi demek. Tüm bir kod tabanını tarayıp değiştirebilen bir kodlama ajanı, tek bir işlev önermekle sınırlı bir araca kıyasla daha fazla dosyayı ve süreci etkileyebilir. Güçlü bir gözetim olmadan yetkisiz değişiklikler yapabilir, iç sistemleri tarayabilir veya izini sürmesi zor güvenlik açıkları oluşturabilir.
Aynı yeteneklerin hem meşru hem de zararlı kullanım alanları var. Bir ajan, geliştiricilerin güvenlik önlemlerini inceleyip zayıflıkları bulmasına yardımcı olabilir. Ancak onu kötü niyetle kullanan biri, savunmaları analiz etmek ve hedefe özel istismar yöntemleri geliştirmek için bu yeteneklerden daha hızlı ve geniş ölçekte yararlanabilir.
Performans ve benimsenme, riskleri artırıyor
Qwen3-Coder'ın SWE-Bench Verified ve CodeForces ELO dâhil testlerde açık kaynaklı modeller arasında öne çıktığı belirtiliyor. SWE-Bench Verified, bir modelin gerçek yazılım sorunlarını ne ölçüde çözebildiğini ölçüyor. CodeForces ELO ise sistemlerin programlama problemlerini çözmek zorunda olduğu rekabetçi programlama performansını değerlendiriyor.
Model 100'den fazla programlama dilini destekliyor. Yapay zekâ araştırmacıları ve geliştiricilerinden gelen ilk geri bildirimler büyük ölçüde olumlu; modelin hassasiyeti, çok yönlülüğü ve modern geliştirme araçlarıyla uyumluluğu övgü alıyor. Bu özellikler bir araya geldiğinde model, farklı dillerle ve büyük projelerle çalışan kuruluşlar için potansiyel bir seçenek hâline geliyor.
Alibaba'nın daha geniş kodlama ekosistemi hâlihazırda önemli bir erişime sahip. Qwen tabanlı kodlama modelleri dünya çapında 20 milyon indirmeyi aştı. Şirketin yapay zekâ kodlama asistanı Tongyi Lingma, 2024'te kullanıma sunulmasından bu yana 3 milyardan fazla kod satırı üretti.
Tarihli dönüm noktaları, tartışmanın yerleşik bir benimsenme sürecinde yürütüldüğünü gösteriyor:
- 2024: Alibaba, yapay zekâ kodlama asistanı Tongyi Lingma'yı kullanıma sundu.
- 31 Temmuz 2025'e kadar: Tongyi Lingma 3 milyardan fazla kod satırı üretmiş, Qwen tabanlı kodlama modelleri ise dünya çapında 20 milyon indirmeyi aşmıştı.
- 31 Temmuz 2025: Bu değerlendirmede Qwen3-Coder'ın yetenekleri ve Batı'da benimsenmesine ilişkin güvenlik kaygıları ele alındı.
İşletmeler için performans, esnek dağıtım seçenekleri ve açık kaynak lisansının birleşimi, modeli değerlendirmek için ticari bir teşvik oluşturuyor. Güvenlik ekipleri açısından yaygın kullanım, üretilen kodun güvenilirliğini ve hassas bilgilerin işlenme biçimini yazılım sektörünün tamamını ilgilendiren pratik bir mesele hâline getiriyor.
Üretilen kod güvenlik ekiplerini neden kaygılandırıyor?
Batı'daki kaygıların merkezinde, Çin'de geliştirilen bir modelin yazılım tedarik zincirlerine entegre edildiğinde gizli güvenlik açıkları oluşturup oluşturamayacağı, verileri ifşa edip edemeyeceği veya devlet destekli siber casusluğa fırsat yaratıp yaratamayacağı sorusu yer alıyor. Yazılım tedarik zinciri, bir programı geliştirmek ve dağıtmak için kullanılan araçları, bileşenleri ve süreçleri kapsıyor.
Cybernews baş editörü Jurgita Lapienyė, yapay zekâ tarafından üretilen kodun önemli sistemlere yerleştirilmesine ilişkin kaygıyı şöyle dile getirdi:
Kritik sistemlerin güvenliği zedelenmiş kodlarla inşa edildiği bir geleceğe farkına varmadan sürükleniyor olabiliriz.
Güvenlik uyarıları, çevresindeki kodla uyumlu görünen ve hem insan incelemesinden hem de otomatik tarayıcılardan kaçabilecek ince kusurlara odaklanıyor. Geleneksel tedarik zinciri saldırıları, tanınabilir kötü amaçlı yazılımlara dayanabilir. Gelişmiş bir kodlama modeliyse teorik olarak sıradan programlama gibi görünen ve yıllarca fark edilmeyen bir güvenlik açığı üretebilir.
Tehlike, kodu ilk kabul eden geliştiriciyle sınırlı kalmaz. Geliştirme sırasında ortaya çıkan bir kusur, başka kuruluşların kullandığı yazılımlara taşınarak büyük çaplı bir tedarik zinciri saldırısı olasılığı yaratabilir. Bu nedenle güvenlik ekipleri, kodun bütünlüğünün yanı sıra onu üreten aracın kimliğini de önemsiyor.
Tartışmada atıfta bulunulan araştırmalar, mevcut maruziyetin boyutunun en az 327 S&P 500 şirketinin yazılım geliştirme süreçlerinde yapay zekâ araçları kullanması ve bu şirketlerde yapay zekâyla ilişkili 970 güvenlik açığının tespit edilmesiyle ortaya konduğunu belirtiyor. Bu rakamlar, yapay zekânın kurumsal geliştirme süreçlerine ne kadar geniş ölçüde girdiğini ve kullanımının çevresinde ne kadar güvenlik çalışması gerektiğini gösteriyor.
Uyarıya göre bir başka güçlü modelin eklenmesi, saldırı yüzeyini, yani saldırganların açık bulabileceği noktaların sayısını büyük ölçüde artırabilir. Yapay zekâyla ilişkili güvenlik açıkları ve tedarik zinciri saldırıları, yazılım geliştiricilerinin karşı karşıya olduğu daha geniş güvenlik sorununun zaten bir parçası.
Hassas kod ve veriler nereye gidebilir?
Alibaba'nın yasal yükümlülüklerine ilişkin kaygılarda Çin Ulusal İstihbarat Yasası merkezi bir yer tutuyor. Yasa, Çinli şirketlerin devletin istihbarat talepleriyle iş birliği yapmasını zorunlu kılıyor. Bu da Qwen3-Coder'ın işlediği verilerin veya modelin iç işleyişinin bazı yönlerinin devlet erişimine açılabileceği endişesini doğuruyor.
Tescilli algoritmalar, güvenlik protokolleri ve altyapı tasarımlarıyla çalışan kuruluşlar özellikle hassas bir karar vermek zorunda. Hata ayıklama veya optimizasyon için yardım isteyen geliştiriciler, yazılımlarının ya da iç sistemlerinin nasıl çalıştığını açığa çıkaran materyalleri paylaşabilir. Aracın nasıl kullanıldığına bağlı olarak bu bilgiler, modeli işletenlerin erişimine açık hâle gelebilir.
İsmi açıklanmayan bir siber güvenlik analisti, kaygıyı kaynak koda kimlerin eriştiği üzerinden şöyle ifade etti:
Kaynak kodunuzu incelemesi için yabancı bir ülke vatandaşına izin vermezseniz, neden onların yapay zekâ modelinin kod üretmesine izin veresiniz?
Kritik altyapı, savunma ve katı gizlilik gerekliliklerine tabi sektörler, bu veri akışlarını incelemek için özellikle güçlü nedenlere sahip. Bir proje genelinde çalışan kodlama asistanı, kısa ve tek başına ele alınan bir programlama örneğinden çok daha hassas bilgilerle karşılaşabilir.
Burada dağıtım tercihleri önem taşıyor. Modelin açık kaynaklı olması, kuruluşların onu kullanmasına, değiştirmesine ve devreye almasına olanak tanıyor; dağıtım çevresindeki hizmetler ise bilgilerin nasıl işlendiğini ve nereye gittiğini belirliyor. İlk güvenlik kaygısı; arka uç altyapısını, telemetriyi ve şeffaflığı yetersiz olan veri işleme uygulamalarını da kapsıyor. Telemetri, bir sistemin nasıl çalıştığı veya kullanıldığı hakkında toplanan bilgilerdir.
Benimsemeyi değerlendiren bir işletme için somut meseleler, aracın hangi kod ve bilgilere erişebildiği, bunları hangi işletmecilerin alabileceği ve bu alışverişleri hangi kontrollerin düzenlediğidir. Kod tabanının tamamına ajan tabanlı erişim, sürece dâhil olabilecek hassas materyal miktarını artırıyor.
Açık kaynaklı model neden zor denetim sorularını beraberinde getiriyor?
Qwen3-Coder'ın Apache 2.0 lisansı, dünyanın dört bir yanındaki geliştiricilerin modeli özgürce kullanmasına, değiştirmesine ve devreye almasına izin veriyor. Bu açıklık, özelleştirmeyi destekliyor ve yapay zekâ araçlarında daha fazla esneklik arayan kuruluşlar için modeli cazip bir alternatif hâline getiriyor.
Açık kaynaklı yazılımlara çoğu zaman kodları incelenip denetlenebildiği için güven duyuluyor. Büyük yapay zekâ modellerini incelemekse daha zor. Qwen3-Coder'ın ölçeği ve karmaşıklığı kapsamlı bir denetimi pratik olmaktan çıkarıyor; modelin davranışı, her zaman bütünüyle açıklanmayan eğitim verilerine ve ince ayar süreçlerine bağlı. İnce ayar, modelin belirli görevlerdeki performansını değiştirmek için yapılan ek eğitimdir.
API'ler, bulut barındırma ve telemetri başka bir belirsizlik katmanı oluşturabiliyor. API, yazılımın başka bir sistemden hizmet istemesini sağlayan bağlantıdır. Bir model açıkça erişilebilir olsa bile onu hizmete sunan altyapının kendine özgü veri akışları ve işletim uygulamaları olabilir.
Asya ve Pasifik'e odaklanan bir güvenlik dergisi, davranışları ve destekleyici sistemleri değerlendirilmesi zor modellere güvenilmesine ilişkin kaygıyı şöyle dile getirdi:
Sorun, Çinli şirketlerin rekabetçi yapay zekâ geliştirmesi değil; Batılı geliştiricilerin ve şirketlerin, çok yakında bütünüyle güvenemeyecekleri modellerin ürettiği koda bağımlı hâle gelebilmesi.
Kurumsal alıcılar için açıklık, erişim ve dağıtım konusunda faydalı seçenekler sunuyor. Güven ise modelin, çıktılarının ve çevresindeki altyapının incelenmesine bağlı. Güven kararı, lisansın ötesine geçerek aracın gerçekte nasıl kullanıldığını da kapsıyor.
Düzenlemelerde, yurt dışından getirilen kodlama yapay zekâsına ilişkin boşluklar var
Batılı hükümetler TikTok gibi yabancıların sahip olduğu uygulamaları tartıştı; ancak kritik yazılım sistemlerinde yabancı ülkelerde geliştirilen yapay zekâyı doğrudan ele alan kamusal denetim sınırlı. Kodlama araçları geliştirme sürecinin daha derinlerine yerleşiyor ve potansiyel olarak şirketlerin ve kamu hizmetlerinin bağlı olduğu yazılımları etkiliyor.
Düzenleme tartışmalarında, ağırlıklı olarak yerli modellere ve genel güvenliğe odaklanan Başkan Biden'ın yapay zekâya ilişkin başkanlık kararnamesine atıfta bulunuluyor. Bu yaklaşımın, yurt dışından gelen yapay zekâ teknolojileri ve bunların hassas yazılım ortamlarına entegrasyonu konusunda önemli boşluklar bıraktığı kaygısı dile getiriliyor.
Bu nedenle kuruluşlar, Qwen3-Coder gibi araçları değerlendirme sorumluluğunu büyük ölçüde kendileri üstleniyor. Yapay zekâ destekli geliştirme için güvenlik çerçeveleri henüz gelişme aşamasında; geleneksel kod analiz araçları da yapay zekâ tarafından oluşturulan gelişmiş güvenlik açıklarını veya arka kapıları tespit etmekte zorlanabilir.
Bazı güvenlik uzmanları, kod üreten yapay zekânın kritik altyapı olarak ele alınması gerektiğini savunuyor. Önerdikleri yaklaşım, donanım tedarik zincirleri veya bulut hizmetlerinde kullanılanlara benzer bir incelemeyi; titiz kod denetimlerini, verilerin belirli bir bölgede tutulmasına ilişkin gereklilikleri ve hassas sektörlerde olası kısıtlamaları içeriyor.
Veri yerleşimi gereklilikleri, bilgilerin nerede saklandığı veya işlendiğiyle ilgilidir. Gizli kodlardan sorumlu bir kuruluş için bu tür kurallar, modelin kalitesi ve çıktısının güvenliğinin yanı sıra işlemenin gerçekleştiği yeri de benimseme kararının bir parçası hâline getirir.
Şirketler, güvenlik önlemlerini rekabet baskısıyla tartıyor
Birçok Batılı işletme, özellikle hassas verilerden veya kritik altyapıdan sorumlu olanlar, temkinli davranıyor. Benimsemeye ilişkin öneriler erişimi sınırlamaya, üretilen kodları denetlemeye ve veri kurallarını açıkça belirlemeye odaklanıyor:
- Yabancı ülkelerde geliştirilen yapay zekâ araçlarının temel sistemlerde kullanımını sınırlayın.
- Yapay zekâ tarafından üretilen kodları kapsamlı biçimde inceleyip denetleyin.
- Yapay zekâ tarafından oluşturulan güvenlik açıklarını tespit edebilecek güvenlik araçları geliştirin.
- Veri gizliliği ve model kullanımı için açık politikalar belirleyin.
Bu kontroller aynı iş akışının farklı bölümlerini ele alıyor. Erişim kısıtlamaları bir ajanın neler yapabileceğini, kod incelemeleri hangi değişiklikleri yaptığını, gizlilik kurallarıysa hangi bilgileri işleyebileceğini veya aktarabileceğini düzenliyor. Güvenlik araçları, ekiplerin olağan kontrollerin gözden kaçırabileceği sorunları tespit etmesine yardımcı olabilir.
Alibaba'nın ilerlemesi, Batılı teknoloji şirketlerini de araştırma ve geliştirme çalışmalarını hızlandırmaya itiyor. Açık kaynaklı kodlama modelleri daha düşük maliyet, esnek dağıtım ve güçlü performans üzerinden rekabet ediyor. Bu modeller işletmelere daha fazla seçenek sunarken yerleşik sağlayıcılar üzerindeki baskıyı da artırıyor.
Alibaba Cloud'un kurucusu Wang Jian, yapay zekâ yarışını düşmanlık değil, sağlıklı rekabet olarak nitelendirdi. Ona göre yenilik yalnızca kaynaklara değil, yeteneğe ve açıklığa bağlı. Ancak artan jeopolitik gerilimler ve ulusal güvenlik kaygıları, hem ABD'de hem de Çin'de yabancı yapay zekâ modellerinin benimsenmesini zorlaştırıyor.
Qwen3-Coder bu gerilimi günlük yazılım geliştirme süreçlerine taşıyor. İşletmeler daha hızlı teslimat, daha az manuel iş ve daha az kaynakla tamamlanabilecek karmaşık projeler için fırsatlar görüyor. Güvenlik ekiplerinin de yetkisiz değişiklikleri, hassas verilerin açığa çıkmasını ve otomatik iş akışlarında izini sürmesi zor kusurları hesaba katması gerekiyor.
Güven, yazılım kararının bir parçası hâline geliyor
Qwen3-Coder, teknik bir ilerlemeyi önemli sistemleri oluşturmak için kullanılan araçlar üzerindeki kontrol sorularıyla buluşturuyor. Modelin nerede geliştirildiği, nasıl eğitildiği, hangi düzenlemelerle devreye alındığı ve hangi erişim izinlerine sahip olduğu, onu geliştirme süreçlerine dâhil etmeyi düşünen kuruluşlar açısından önem taşıyor.
Daha geniş tartışma, teknolojik egemenlikle; yani ülkelerin ve işletmelerin bağımlı oldukları teknolojiler üzerindeki denetimlerini ne ölçüde koruduğuyla ilgili. Yapay zekânın yazılım tedarik zincirlerinde giderek daha fazla rol oynaması, kaynağın doğrulanmasını, şeffaflığı ve operasyonel kontrolü daha acil meseleler hâline getiriyor.
Güvenlik tavsiyeleri, yabancı ülkelerde geliştirilen modellerin kritik sistemlere girmesi konusunda temkinli olunmasını öne çıkarıyor. Özerk kodlama araçları daha yetenekli hâle geldikçe, güçlü güvenlik çerçeveleri, şeffaf yönetişim ve uluslararası iş birliği gerekli yanıtlar olarak sunuluyor. Geliştiriciler ve işletmeler için öncelikli görev, yararlı otomasyonu; kodları, verileri ve bunlarla oluşturulan sistemleri koruma sorumluluğuyla birlikte değerlendirmek.
Öne Çıkanlar
- Alibaba'nın Qwen3-Coder-480B-A35B-Instruct modeli 480 milyar parametreye sahip; bir görev için bunların 35 milyarı etkinleşiyor.
- Modelin yerleşik bağlam penceresi 256.000 tokenı destekliyor ve gelişmiş tekniklerle 1 milyon tokana çıkarılabiliyor.
- Model 100'den fazla programlama dilini destekliyor ve Apache 2.0 lisansı kapsamında sunuluyor.
- Qwen Code modeli geliştiricilerin iş akışlarına bağlıyor; ajan tabanlı yetenekleriyse modelin birden fazla adım atmasına ve araçları kullanmasına olanak tanıyor.
- Alibaba'nın Qwen tabanlı kodlama modelleri 20 milyon indirmeyi aştı. Tongyi Lingma ise 2024'teki lansmanından bu yana 3 milyardan fazla kod satırı üretti.
- Güvenlik kaygıları arasında ince kodlama kusurları, hassas verilerin açığa çıkması, altyapı şeffaflığı ve Çin Ulusal İstihbarat Yasası yer alıyor.
- Önerilen güvenlik önlemleri arasında erişim kısıtlamaları, kod denetimleri, daha açık gizlilik politikaları ve yapay zekâ kaynaklı güvenlik açıklarını tespit edecek araçlar bulunuyor.






