Alibaba, Metin, Görsel, Ses ve Videoyu İşleyebilen Açık Yapay Zekâ Modeli Qwen3-Omni’yi Yayınladı

12 dakikalık okuma
Alibaba, Metin, Görsel, Ses ve Videoyu İşleyebilen Açık Yapay Zekâ Modeli Qwen3-Omni’yi Yayınladı

Dört tür girdi, tek bir açık yapay zekâ sistemi

Alibaba, metin, görsel, ses ve video kabul eden, gerçek zamanlı olarak metinle veya doğal konuşmayla yanıt verebilen bir yapay zekâ modeli olan Qwen3-Omni’yi yayınladı. Modelin piyasaya sürülmesi, geliştiricilere ve işletmelere OpenAI ile Google’ın tescilli sistemlerine ücretsiz bir alternatif sunuyor. Apache 2.0 lisansı kapsamında modeli indirme, değiştirme ve kullanıma alma izni de veriliyor.

İçindekiler
  1. Dört tür girdi, tek bir açık yapay zekâ sistemi
  2. Thinker ve Talker görevleri nasıl paylaşıyor?
  3. Hız, dil kapsamı ve konuşma sınırları
  4. Üç sürüm ve iki kullanım seçeneği
  5. Eğitim sürecinde neler kullanıldı?
  6. Kıyaslama sonuçları ne gösteriyor?
  7. Barındırılan hizmette fiyatlandırma nasıl işliyor?
  8. Lisans işletmelere ne kazandırıyor?
  9. Ses ve videoyu birleştirmek hangi alanlarda işe yarayabilir?
  10. Geliştirici ilgisi ve rekabet baskısı
  11. Özet

Alibaba, Qwen3-Omni’yi dört girdi türünü tek bir modelde bir araya getiren ilk yerel ve uçtan uca çok modlu sistem olarak konumlandırıyor. Basitçe söylemek gerekirse model, bu yeteneklerin sonradan bir metin modeline eklenmesi yerine sözcükleri, görselleri, sesleri ve hareketli görüntüleri birlikte işlemek üzere tasarlandı. Şirket, bu kapsamı hızlı yanıtlar, çok sayıda dil desteği ve sistemin söylediklerini denetlemeye yönelik araçlarla tamamlıyor.

OpenAI’ın GPT-4o modeli metin, görsel ve ses yeteneklerini birleştirirken Google’ın Gemini 2.5 Pro modeli video analizini de ekledi. Bu sistemler ücretli ve kapalı olmaya devam ediyor. Qwen3-Omni ise geliştiricilerin inceleyip üzerine yeni çözümler kurabileceği bir pakette video anlama, sesli girdi ve sesli çıktı özelliklerini sunuyor.

İşletmeler, tamamen bir tedarikçinin barındırılan hizmetine bağlı kalmak yerine modeli kendi altyapılarında çalıştırabiliyor. Böylece maliyet, denetim ve performans arasında denge kurmak için ek bir seçeneğe sahip olurken tek bir sağlayıcıya bağımlılıklarını azaltabiliyorlar. Lisans ticari kullanıma ve özel uyarlamalara izin verdiğinden model, araştırmacıların yanı sıra şirketler için de önem taşıyor.

Qwen3-Omni, Çin’de geliştirilen açık yapay zekâ projelerinin geliştirici platformlarında giderek daha fazla benimsenmeye başladığı bir dönemde piyasaya çıktı. Modelin cazibesi pratik bir bileşime dayanıyor: farklı bilgi türlerini işleyebilen, konuşmaya yetecek hızda yanıt verebilen ve kuruluşlara yerel kullanım ile bulut erişimi arasında seçim sunan bir model.

Reklam

Thinker ve Talker görevleri nasıl paylaşıyor?

Qwen3-Omni, Thinker ve Talker adı verilen iki ana bileşenden oluşuyor. Thinker; anlama, akıl yürütme ve metin üretme işlerini üstleniyor. Metin, görsel, ses ve videodan bilgi alıyor, bu sinyalleri birleştiriyor ve temel yazılı yanıtı oluşturuyor.

Thinker, uzun içerikler üzerinde akıl yürütmenin yanı sıra araç kullanımını, bilgi getirme işlemlerini ve güvenlik filtrelerini de yürütüyor. Bilgi getirme, bir yanıt için gerekli bilgilerin sunulması anlamına gelirken araçlar hesaplama gibi işlevler sağlayabiliyor. Harici modüller, Talker onaylanmış yanıtı konuşmaya dönüştürmeden önce Thinker’ın çıktısını inceleyebiliyor veya düzenleyebiliyor.

Talker, konuşma üretimini üstleniyor ve sözlü çıktıyı görsel bilgilerle eşgüdümlü hâle getiriyor. Temel tasarım tercihlerinden biri, Talker’ın Thinker’ın metin belirteçlerine bağımlı olmaması. Bunun yerine ses ve görsel özellikleri doğrudan kullanabiliyor. Alibaba, bunun çeviri sırasında konuşmacının zamanlamasını ve vurgusunu korumaya ya da konuşma hızını ekrandaki görüntülerle eşleştirmeye yardımcı olduğunu belirtiyor.

Her iki bileşen de Uzmanlar Karışımı mimarisini kullanıyor. Bu mimari, modeli eğitim sırasında öğrenilen sayısal ayarlardan oluşan uzmanlaşmış gruplara ayırıyor. Her istek için yalnızca gerekli gruplar etkinleştiriliyor; böylece sistemin her istekte tüm parametreleri kullanması gerekmiyor. Bu da işlemeyi hızlandırmaya ve ölçeklendirmeyi kolaylaştırmaya yardımcı oluyor.

Qwen3-Omni, konuşma üretimi için çok kod kitaplı otoregresif bir yaklaşımla sıkıştırılmış akustik belirteçleri tahmin ediyor. Basitçe açıklamak gerekirse, çeşitli ses kodu kümelerini kullanarak sıkıştırılmış ses bilgilerinden oluşan bir dizi oluşturuyor. Ardından Code2Wav adlı hafif bir ağ bu bilgiyi ses dalga biçimine dönüştürüyor. Tasarım, konuşma için bekleme süresini kısaltırken ses ayrıntılarını korumayı amaçlıyor.

Audio Transformer adı verilen ses kodlayıcı, akış hâlinde ve çevrim dışı işleme için sıfırdan eğitildi. Akış işleme, sistemin bilgiler geldikçe çalışmasını sağlıyor; çevrim dışı işleme ise önceden kaydedilmiş içerikleri ele alıyor.

Reklam

Hız, dil kapsamı ve konuşma sınırları

Alibaba, uçtan uca ilk paket gecikmesinin ses için yaklaşık 234 milisaniye, video içinse yaklaşık 547 milisaniye olduğunu bildiriyor. İlk paket gecikmesi, çıktının ilk bölümünün gelmesine kadar geçen süreyi ifade ediyor. Bu değerler, uzun duraklamaların konuşmayı kesintiye uğratabileceği canlı etkileşimler için tasarlanmış bir sistemi tanımlıyor.

Qwen3-Omni ayrıca birin altında gerçek zaman faktörü bildiriyor. Bu, gelen içerik oynatılırken aynı hızda veya daha hızlı çıktı üretebildiği anlamına geliyor. Bu özelliklerin birleşimi; sesli ajanlar, çağrı merkezi çalışanlarına destek veren asistanlar, toplantı dökümleri ve kullanıcıların hızlı yanıt alması gereken diğer durumlar için önem taşıyor.

Model metin için 119, sesli girdi için 19, sesli çıktı içinse 10 dili destekliyor. Çok dilli bir hizmet planlanırken bu farklı sayılar önem taşıyor: modelin metin olarak işleyebildiği dil yelpazesi, duyabildiği veya konuşabildiği dillerden daha geniş.

Thinking Mode 65.536 belirteçlik, Non Thinking Mode ise 49.152 belirteçlik bağlam penceresi sunuyor. Bağlam penceresi, bir modelin etkileşim sırasında değerlendirebildiği bilgi miktarıdır. Belirteçler, bu bilgiyi işlemek ve ölçmek için kullanılan birimlerdir.

Maksimum tekil girdi ve maksimum çıktı sınırları ayrı ayrı 16.384 belirteç. En uzun akıl yürütme zinciri ise 32.768 belirtece ulaşıyor. Bu ayrı sınırlar, geliştiricilerin uzun belgeleri, video dökümlerini ve diğer içerikleri yönetilebilir parçalara nasıl böleceğini etkiliyor. Geniş bir bağlam penceresi uzun bir etkileşime alan sağlarken girdi ve çıktı sınırları tek tek alışverişleri belirliyor.

Üç sürüm ve iki kullanım seçeneği

Alibaba, her biri farklı bir görev için tasarlanmış üç Qwen3-Omni-30B-A3B sürümü yayınlıyor. Instruct sürümü Thinker ile Talker’ı birleştiriyor, metin, görsel, ses ve video kabul ediyor; metin ve konuşma çıktısı veriyor.

Thinking sürümü aynı dört girdi türünü kabul ediyor ancak yalnızca metin çıktısı üretiyor. Akıl yürütmeye ve uzun akıl yürütme zincirleri gerektiren görevlere odaklanıyor; bu nedenle ayrıntılı bir yazılı yanıtın sözlü yanıttan daha önemli olduğu durumlarda kullanılabiliyor. Captioner sürümü, düşük halüsinasyon oranına odaklanarak ayrıntılı yazılı açıklamalar üretmek üzere ince ayardan geçirildi. Halüsinasyon, yapay zekâ çıktısının bilgi uydurması veya bilgiyi yanlış aktarması anlamına geliyor.

Reklam

Geliştiriciler, sistemi çalıştırmak için gereken öğrenilmiş sayısal ayarları içeren model ağırlıklarını resmî depodan ve topluluk platformlarından indirebiliyor. Ayrıca Alibaba’nın yazılımların barındırılan bir modele istek göndermesini sağlayan uygulama programlama arayüzü (API) üzerinden daha hızlı Flash sürümünü kullanabiliyorlar.

Resmî GitHub deposu hızlı başlangıç kılavuzu, görevlere yönelik kullanım örnekleri ve Docker ile kullanıma alma notları sunuyor. Kullanım örnekleri konuşma tanıma, çeviri, müzik analizi, optik karakter tanıma ve görsel-işitsel diyalog konularını kapsıyor. Genellikle OCR kısaltmasıyla anılan optik karakter tanıma, görsellerdeki metni okuyor.

Alibaba, etkinleştirildikten sonra 90 gün geçerli, farklı modalitelerde toplam bir milyon belirteçlik API deneme kotası sunuyor. Barındırılan sesli çıktı yalnızca Non Thinking Mode’da kullanılabiliyor. Bu nedenle pilot uygulama planlayan geliştiricilerin, yazılı çıktı veren akıl yürütme modu ile sesli yanıtları da destekleyen mod arasında seçim yapması gerekiyor.

Eğitim sürecinde neler kullanıldı?

Qwen3-Omni’nin Audio Transformer bileşeni yaklaşık 0,6 milyar parametreye sahip ve 20 milyon saatlik denetimli ses verisiyle eğitildi. Denetimli eğitimde, modelin girdi ile üretmesi gereken yanıt arasındaki ilişkiyi öğrenmesine yardımcı olmak için örnekler hedef yanıtlarla eşleştiriliyor.

Ses eğitim verilerinin yaklaşık yüzde 80’ini Çince ve İngilizce konuşma tanıma, yüzde 10’unu diğer dillerde konuşma tanıma, yüzde 10’unu ise ses anlama görevleri oluşturdu. Kodlayıcı, gerçek zamanlı kullanımda önbelleğe almayı ve çevrim dışı işlemeyi destekliyor. Önbelleğe alma, yeni ses geldikçe sistemin çalışmayı sürdürebilmesi için daha önce işlenmiş bilgileri saklıyor.

Daha kapsamlı ön eğitim süreci üç aşamadan oluştu. Kodlayıcı hizalaması sırasında Alibaba, dil modeli çekirdeğini dondururken görsel ve ses kodlayıcılarını eğitti. Bu yöntem, farklı girdi türleri ilk kez bir araya getirilirken modelin algılama yeteneklerinin gerilemesini önlemeyi amaçlıyordu.

Genel eğitimde yaklaşık 2 trilyon belirteç kullanıldı. Bu veriler metin, ses ve görselleri, daha küçük oranlarda ise video ile ses-video örneklerini kapsıyordu. Üçüncü aşamada maksimum eğitim dizisi uzunluğu 8.192’den 32.768 belirtece çıkarılarak dört kat artırıldı. Uzun dizilerin işlenmesini güçlendirmek için daha fazla uzun ses ve video içeriği eklendi.

Reklam

Eğitim sonrası aşamalar akıl yürütme ve konuşma kalitesine odaklandı. Thinker’a denetimli ince ayar, güçlü modelden zayıf modele damıtma ve GSPO optimizasyonu uygulandı. Damıtma, daha güçlü bir modelin yönlendirmesini daha zayıf bir modele aktarır. Optimizasyonda kurallara dayalı geri bildirim ile başka bir modelin hakem olarak görev yaptığı puanlama bir arada kullanıldı.

Talker, yüz milyonlarca çok modlu konuşma örneğinden yararlanan ve seçilmiş verilerle devam eden ön eğitimi içeren dört aşamalı bir süreçten geçti. Belirtilen hedefler, halüsinasyonları azaltmak ve daha doğal duyulan konuşma üretmekti. Bu adımlar birlikte hem yanıtların içeriğini hem de nasıl seslendirildiklerini geliştirmeyi amaçladı.

Kıyaslama sonuçları ne gösteriyor?

Alibaba, metin ve görme alanlarındaki yüksek puanlarını korurken konuşma, ses ve video anlama görevlerinde güçlü performans bildirdi. Şirketin kamuya açık kıyaslama sonuçları, Qwen3-Omni’yi birçok açık liderlik tablosunda üst sıralara yerleştiriyor ve kapalı sistemlerle rekabetçi performans sergilediğini gösteriyor.

Metin ve akıl yürütme alanında bildirilen puanlar AIME25’te 65,0, ZebraLogic’te 76,0 ve WritingBench’te 82,6. Bu testler farklı yetenekleri inceliyor; dolayısıyla sonuçlar tek bir kalite ölçütü yerine performansa ilişkin çeşitli bakış açıları sunuyor.

Konuşma tanıma sonuçları arasında Wenetspeech’te 4,69 ve 5,89, Librispeech other’da ise 2,48 sözcük hata oranı bulunuyor. Sözcük hata oranı, bir dökümdeki hataları ölçüyor; daha düşük değer daha az hata anlamına geliyor. Müzik alanındaki sonuçlar GTZAN’da 93,0, RUL MuchoMusic’te ise 52,0.

Görsel ve görme görevlerinde Alibaba, HallusionBench’te 59,7, MMMU pro’da 57,0 ve MathVision full’de 56,3 puan bildiriyor. Video sonucu MLVU’da 75,2. Şirket, bu testlerde Qwen3-Omni’yi geleneksel metin görevlerini gelişmiş ses ve video anlama becerileriyle dengeleyen bir model olarak sunuyor.

Sonuçların büyük bölümü Alibaba tarafından bildirildi. Günlük kullanım performansına ilişkin daha kapsamlı bir tablo oluşturmak için bağımsız değerlendirmelerin daha geniş test kümelerinde tekrarlanması gerekiyor. Modeli kullanmayı düşünenler açısından pratik soru, kendi kayıtlarını, belgelerini, görsellerini ve konuşmalarını ne kadar doğru işlediği.

Alibaba’nın materyalleri, farklı modalitelerde karşılaştırılabilir bir güç sergilemeyi amaçlıyor. Bununla birlikte bazı topluluk üyeleri, metne odaklanan önceki Qwen sürümlerinin dar kapsamlı görevlerde yalnızca metin üretiminde biraz daha güçlü olduğunu gözlemledi. Bu durum, uzmanlaşmış bir model ile çeşitli girdi türleri için tasarlanmış bir model arasındaki ödünleşimi yansıtıyor. Qwen3-Omni, ses, görseller, video ve sözcükleri birleştiren yetenekler eklerken bu farkı azaltmayı hedefliyor.

Reklam

Barındırılan hizmette fiyatlandırma nasıl işliyor?

Qwen3-Omni, Apache 2.0 lisansı kapsamında yerel kullanıma sunuluyor. Alibaba’nın API’si üzerinden yönetilen erişimde ücret, belirteç kullanımına göre hesaplanıyor ve Thinking Mode ile Non Thinking Mode için aynı tarifeler uygulanıyor. Farklı girdi ve çıktı türlerinin fiyatları değişiyor.

Alibaba, 1.000 belirteç başına aşağıdaki girdi ücretlerini ABD doları cinsinden listeliyor:

  • Metin girdisi: 0,00025 dolar.
  • Ses girdisi: 0,00221 dolar.
  • Görsel veya video girdisi: 0,00046 dolar.

1.000 belirteç başına çıktı ücretleri, yanıta ve kullanılan girdiye göre değişiyor:

  • Yalnızca metin girdisi için metin çıktısı: 0,00096 dolar.
  • Girdide görsel veya ses varsa metin çıktısı: 0,00178 dolar.
  • Metin ve ses çıktısı: ses bölümü için 0,00876 dolar, metin ücretsiz.

Bu tarifelerde kullanılan medya türlerinin bileşimi, maliyet hesabının bir parçası. Sesli istekleri ve sesli yanıtları işleyen bir hizmetin faturalandırma düzeni, yazılı soru ve yanıtları işleyen bir hizmetinkinden farklı. API üzerinden sesli çıktı yalnızca Non Thinking Mode’da kullanılabiliyor.

Ücretsiz kota, etkinleştirildikten sonra 90 gün boyunca farklı modalitelerde toplam bir milyon belirteci kapsıyor. Ekiplerin ayrıca Thinking Mode’daki 65.536 belirteçlik, Non Thinking Mode’daki 49.152 belirteçlik bağlam penceresini; tekil girdi ve çıktı için 16.384 belirteçlik sınırları ve 32.768 belirteçlik maksimum akıl yürütme zincirini hesaba katması gerekiyor.

Lisans işletmelere ne kazandırıyor?

Apache 2.0 ticari kullanıma, değişiklik yapmaya ve yeniden dağıtıma izin veriyor. Ayrıca işletmelerin modeli tescilli sistemlerine entegre ederken karşılaşabileceği hukuki riski azaltan bir patent lisansı içeriyor. Şirketlerin türev çalışmalarını yayımlama zorunluluğu yok; böylece uyarlanmış veya ince ayardan geçirilmiş sürümler gizli tutulabiliyor.

Bu sayede kuruluşlar modelin nerede çalıştırılacağı ve nasıl uyarlanacağı üzerinde daha fazla denetim sahibi oluyor. Tedarikçinin denetimindeki bir hizmet fiyatları, hız sınırlarını veya model davranışını değiştirebilir. Yerel kullanım, bu koşulların ihtiyaçlara uymadığı durumlarda işletmelere başka bir seçenek sunuyor.

Birçok kuruluş tek bir modele güvenmek yerine birden fazla model kullanmaya yöneliyor. Göreve göre açık ve kapalı sistemleri bir arada kullanıyor, rutin işleri daha hızlı veya küçük modellere veriyor, karmaşık akıl yürütme gerektiren işleri daha büyük modellere ayırıyor ve veri denetimi için belirli iş yüklerini kendi altyapılarında tutuyorlar.

Reklam

Qwen3-Omni’nin geniş kapsamı, yoğun konuşma, çok sayıda dil veya büyük miktarda video içeren iş akışlarında kullanılmasını mümkün kılıyor. Farklı bilgi türlerini tek bir modelde işlemek, ekibin eğitip bakımını yapması gereken ayrı sistemlerin sayısını azaltabiliyor.

Kullanıma alma süreci yine de güvenlik incelemeleri, gizlilik kontrolleri, test sistemleri ve ince ayar süreçleri gerektiriyor. Modelin açık olması denetim ve optimizasyonu kolaylaştırırken güvenlik ve mevzuata uyum sorumluluğunu kullanıcılara bırakıyor. Ekiplerin ayrıca yapay zekâ sistemlerinin bakımını yapmak, araçları bağlamak ve yanıtların sınırlarını belirlemek için operasyonel süreçlere ihtiyacı var.

Ses ve videoyu birleştirmek hangi alanlarda işe yarayabilir?

Alibaba, canlı konuşmalar için hızlı sesli çıktıyla eşleştirilmiş çok dilli döküm ve çeviri özelliklerini öne çıkarıyor. Sesli açıklamalar medya üretimine ve erişilebilirliğe katkı sağlarken OCR ile belge anlama, form, fiş ve şemaların fotoğraflarını işleyebiliyor.

Müzik etiketleme ve ses analizi, medya arşivleri ve yaratıcı araçlar için kullanım alanları sunuyor. Video anlama ise dizinleme ve gezinmenin yanı sıra eğitim videoları veya ekipman gösterimlerindeki talimatların izlenmesine yardımcı olabiliyor. Bu kullanımlar, modelin normalde ayrı araçlarla işlenebilecek bilgileri ilişkilendirme yeteneğinden yararlanıyor.

Teknik destek örneği, bileşenlerin birlikte nasıl çalışabileceğini gösteriyor. Bir müşteri telefonundan video aktarırken model ekrandaki metni okuyor, çevredeki sesleri dinliyor ve her adımda sesli yönlendirme sunuyor. Bu, bildirilmiş bir kullanım değil, açıklayıcı bir örnek.

Giyilebilir bir asistan da menüleri veya tabelaları gerçek zamanlı olarak çevirebilir. Geliştiriciler sistem istemleriyle tonu, kişiliği ve konu alanının sınırlarını belirleyebilir; ardından modelin yeteneklerini genişletmek için bilgi getirme sistemlerini, hesap makinelerini veya başka araçları bağlayabilir.

Çok modlu asistanların, pratik performansları bildirilen kıyaslama sonuçlarıyla örtüşürse çağrı merkezleri, medya üretimi, eğitim, sağlık hizmetlerinde döküm ve endüstriyel bakım gibi alanlarda kullanım bulması mümkün. Bununla birlikte her alan, görevlerine ve sorumluluklarına uygun testler gerektiriyor.

Geliştirici ilgisi ve rekabet baskısı

Qwen3-Omni sürümleri popüler yapay zekâ platformlarındaki trend model listelerinde üst sıralara yükselirken diğer Qwen modelleri de üst sıralarda yer aldı. Bu erken ilgi, Çinli ekiplerin Batılı şirketlerle doğrudan rekabet ettiği açık sistemlere geliştiricilerin ilgi duyduğunu gösteriyor.

Yayının yoğun ilgi gördüğü gün Alibaba’nın Hong Kong borsasındaki hisseleri yüzde 4’ün biraz üzerinde yükseldi. Piyasadaki bu hareket, çoğunlukla tescilli platformlarla ilişkilendirilen yeteneklere daha geniş erişim sunmayı amaçlayan bir lansmana eşlik etti.

Reklam

Açık alternatif, özellikle yoğun ses ve video kullanılan alanlarda kapalı sistemlerin fiyatlandırma ve ürün kararları üzerindeki baskıyı artırıyor. İşletmeler uzun bir tedarik sürecine girmeden fikirlerini test etmeye ve çok modlu bir modeli düşük maliyetle çalıştırmaya başlayabiliyor; ancak kullanıma alma ve değerlendirme sorumluluğunu kendileri üstleniyor.

Qwen3-Omni’nin temel vaadi, erişim ile geniş kapsamı bir araya getirmesi. Geliştiriciler dört tür girdiyi anlayan bir modeli özelleştirebiliyor, yerel veya barındırılan kullanımı seçebiliyor ve seçilen sürüm ile moda göre yazılı ya da sözlü yanıtlar üretebiliyor. Daha geniş çapta benimsenmesi, bu yeteneklerin kuruluşların gerçekten ihtiyaç duyduğu görevlerde ne kadar güvenilir çalışacağına bağlı.

Özet

  • Alibaba’nın Qwen3-Omni modeli metin, görsel, ses ve video kabul ediyor; Instruct sürümü metin ve konuşma çıktısı sunuyor.
  • Thinker anlama ve akıl yürütme işlerini üstleniyor; Talker, Uzmanlar Karışımı tasarımı ve Code2Wav dönüştürücüsüyle konuşma üretiyor.
  • Alibaba, ilk paket gecikmesinin ses için yaklaşık 234 milisaniye, video için 547 milisaniye olduğunu ve akış işlemenin gerçek zamandan hızlı olduğunu bildiriyor.
  • Dil desteği metin için 119, sesli girdi için 19 ve sesli çıktı için 10 dili kapsıyor.
  • Instruct, Thinking ve Captioner sürümleri çok modlu etkileşim, yazılı akıl yürütme ve ayrıntılı ses açıklamaları için tasarlandı.
  • Apache 2.0 ticari kullanıma ve özel uyarlamalara izin veriyor. Barındırılan erişim belirteç başına ücretlendiriliyor; 90 gün geçerli bir milyon belirteçlik deneme kotası sunuluyor.
  • Şirketin kıyaslama sonuçları çeşitli görev türlerinde güçlü performans gösteriyor; ancak bağımsız değerlendirmelerin tekrarlanması gerekiyor.
  • Geliştiricilerin ilgisi erken dönemde güçlü. İşletmeler güvenlik, gizlilik ve güvenilir işletim sorumluluğunu üstlenirken yeni bir kullanıma alma seçeneği kazanıyor.
Bu haberi paylaş

Bunlar da ilginizi çekebilir