GLM 4.6, Zhipu AI'nin Yurt Dışındaki Ücretli Kullanıcı Sayısını On Katına Çıkardı; Kodlama Araçları Küreselleşiyor

12 dakikalık okuma
GLM 4.6, Zhipu AI'nin Yurt Dışındaki Ücretli Kullanıcı Sayısını On Katına Çıkardı; Kodlama Araçları Küreselleşiyor

Çin dışında 100.000 ücretli müşteri

Zhipu AI, yurt dışındaki ücretli kullanıcı tabanının iki ayda on kat büyüyerek aylık yaklaşık 100.000 API müşterisine ulaştığını, buna ek olarak Çin dışında yaklaşık 3 milyon ücretsiz sohbet robotu kullanıcısı bulunduğunu açıkladı. Z.ai markasının arkasındaki Pekin merkezli girişim, eylül sonlarında GLM 4.6'yı piyasaya sürmesinin ardından uygun fiyatlı kodlama desteğine yönelik talebi daha büyük bir uluslararası işe dönüştürüyor.

İçindekiler
  1. Çin dışında 100.000 ücretli müşteri
  2. Mevcut kodlama araçları yayılmasına nasıl yardımcı oldu?
  3. Daha geniş bağlam penceresi neleri değiştiriyor?
  4. Performans ve bir görevi tamamlamanın maliyeti
  5. Geliştiricilere yönelik fiyat teklifi
  6. Açık ağırlıklar ve dağıtım üzerinde kontrol
  7. Yeni kodlama modellerinin kaynakları üzerine tartışma
  8. Zhipu neden yurt dışına yöneliyor?
  9. Kalabalık kodlama pazarında rekabet
  10. Üst yöneticinin yapay zekâdan beklentileri
  11. Bilinmesi Gerekenler

5 Kasım 2025 itibarıyla şirketin genişlemesi; fiyat, pratik programlama performansı ve geliştiricilerin zaten kullandığı araçlar üzerinden erişim bileşimine dayanıyor. GLM 4.6; kodlama, akıl yürütme ve bir yapay zekâ sisteminin yalnızca bir soruyu yanıtlamak yerine yazılım araçlarını kullanarak bir dizi görevi yerine getirdiği ajan iş akışları için tasarlandı.

Zhipu'nun küresel operasyonlar başkanı Li Zixuan, yurt dışındaki talebin ülke içindeki talepten daha hızlı arttığını söyledi. Tek bir pazara öncelik vermek yerine farklı bölgelerde yatırım yapma stratejisi izlediklerini belirtti.

"Yurt dışındaki büyüme yurt içindeki büyümeyi aştığı için her pazarda büyümek istiyoruz," dedi Zhipu AI'nin küresel operasyonlar başkanı Li Zixuan.

Rakamlar, Zhipu'nun hizmetlerine erişmek için kullanılan iki farklı yolu gösteriyor. Ücretli API müşterileri, uygulamaların istek gönderip yanıt almasını sağlayan bir yazılım arayüzü üzerinden modele erişiyor. Ücretsiz sohbet robotu kullanıcıları ise hizmetle doğrudan etkileşim kuruyor. Dolayısıyla 100.000 ücretli müşteri ile 3 milyon ücretsiz kullanıcı, şirketin yurt dışındaki işinde farklı kullanım türlerini temsil ediyor.

GLM 4.6; görece düşük fiyatı, kolay entegrasyonu ve gerçek programlama görevlerini yerine getirme becerisi sayesinde geliştiricilerin günlük işlerine hızla girdi. Özellikle önde gelen ABD sistemlerinin maliyetine katlanmadan yararlı destek almak isteyen bireysel programcılar ve küçük ekipler, bu ilginin merkezinde yer aldı.

Reklam

Mevcut kodlama araçları yayılmasına nasıl yardımcı oldu?

Anthropic destekli kodlama aracı Claude Code, GLM 4.6'ya erişim olanağı ekledi. Cline, Roo Code ve Kilo Code da modeli destekleyerek geliştiricilere mevcut iş akışlarından vazgeçmeden kullanabilecekleri çeşitli yollar sundu.

Kilo Code, GLM 4.6'nın platformunda şimdiye kadar görülen en hızlı benimsenme oranına ulaştığını açıkladı. Model, önde gelen ABD sistemlerine kıyasla "yeterince iyi" bir seçenek olarak kullanıcıların ilgisini çekerken token kullanımı 12 günde 94 kat arttı.

Token, bir modelin okuma veya yazma sırasında işlediği, çoğu zaman bir sözcüğün parçası olan küçük bir metin birimidir. Kilo Code'un verdiği rakam, model üzerinden işlenen metin miktarındaki artışı ölçüyor. Zhipu'nun açıkladığı on katlık artış ise iki ay içindeki ücretli kullanıcı sayısını kapsıyor. Farklı ölçü ve dönemlere dayanan bu rakamlar birlikte, hem müşteri sayısındaki hem de kullanım etkinliğindeki büyümeyi gösteriyor.

Alışıldık araçlara destek eklenmesi, yeni bir modeli denemeyi kolaylaştırıyor. Bir programcı aynı kodlama ajanında sağlayıcılar arasında geçiş yapabilir, modellerin bir sorunu nasıl ele aldığını karşılaştırabilir ve hız, kalite ile maliyete göre seçim yapabilir. Bu ajanlar, web araması, depo işlemleri ve diğer araçların birkaç adım boyunca kullanıldığı görevleri yönetebilir.

Zhipu'nun genişlemesinde öne çıkan tarihler ve dönemler:

  • Eylül 2025'in sonları: Zhipu, kodlama, akıl yürütme ve ajan iş akışları için GLM 4.6'yı piyasaya sürdü.
  • 5 Kasım'daki açıklamadan önceki iki ay: Zhipu, yurt dışındaki ücretli kullanıcı tabanının on kat arttığını bildirdi.
  • Benimsenme sürecindeki 12 günlük dönem: Kilo Code, GLM 4.6 için token kullanımının 94 kat arttığını açıkladı.
  • Son haftalar: Cognition AI ve Cursor ile bağlantılı yeni araçlar, temel modellerinin kaynaklarına ilişkin incelemelere konu oldu.
  • 2026: Zhipu, borsada işlem görmeye başlamayı hedefliyor.
  • 2030: Üst yönetici Zhang Peng, bazı alanlarda yapay zekânın insan yeteneklerini aşması için bu yılı olası bir dönüm noktası olarak değerlendirdi.

Daha geniş bağlam penceresi neleri değiştiriyor?

GLM 4.6'nın bağlam penceresi 200.000 tokene çıkarıldı. Bağlam penceresi, talimatlar, belgeler ve kod dahil olmak üzere modelin aynı anda değerlendirebildiği metin miktarıdır. Daha geniş bir pencere, yanıt üretmeye başlamadan önce modelin daha fazla dosyayla çalışmasına imkân tanır.

Programlamada bu kapasite, uzun işlev zincirlerini, yapılandırma dosyalarını ve test paketlerini kapsayabilir. Büyük kod depolarında çalışan geliştiricilerin, projeden küçük parçaları tekrar tekrar sunmak yerine modelin dosyalar arasındaki bilgileri ilişkilendirmesine ihtiyacı var. Bu bilgiler için daha fazla alan olması, bir görevi tamamlamak için gereken yazışma sayısını azaltabilir.

Reklam

Geliştiriciler, GLM 4.6'nın birden fazla dosya içeren depolarda daha iyi çalıştığını ve özellik geliştirirken daha uzun görev dizileri planlayabildiğini bildiriyor. Aynı anda daha fazla dosya okuyabildiği için büyük projelerde bağlamı daha az karıştırıyor. Yine de dikkatli talimatlar ve araçları kullanmaya uygun bir strateji iş akışının parçası olmaya devam ediyor.

Zhipu, GLM 4.5'e kıyasla kodlama kalitesi, akıl yürütme ve araç kullanımında iyileşmeler olduğunu da belirtiyor. Yeni model ajan çerçevelerine daha sorunsuz uyum sağlıyor ve eğitimli bir modelin yanıtını oluşturduğu süreç olan çıkarım sırasında araç çağırmayı destekliyor. Böylece model, bir görevi yerine getirirken yazılım işlemleri talep edebiliyor.

Kullanıcıların gördüğü ve etkileşime girdiği yazılım bölümü olan ön yüz geliştirme de iyileşme kaydedilen alanlardan biri. GLM 4.6, önceki sürümüne kıyasla daha özenli sayfalar ve daha temiz bileşenler üretiyor. Geliştiriciler, tamamlanmış sayfaların daha az düzeltme gerektirebildiğini, ancak karmaşık tasarım ve alışılmadık durumlarda insan denetiminin hâlâ yararlı olduğunu söylüyor.

Performans ve bir görevi tamamlamanın maliyeti

Zhipu'nun ajanlar, akıl yürütme ve kodlama alanlarındaki değerlendirmeleri GLM 4.5'e kıyasla ilerleme kaydedildiğini gösteriyor. Şirket, iç ve kamuya açık testlerde GLM 4.6'nın yaygın kullanılan birçok modelle rekabet edebildiğini, ancak bazı kodlama ölçütlerinde Claude Sonnet 4.5'in gerisinde kaldığını kabul ediyor.

CC Bench ajan görevlerinde GLM 4.6, Claude Sonnet 4 ile doğrudan karşılaştırmalarda yüzde 48,6 galibiyet oranına ulaşarak bu değerlendirmede neredeyse eşit düzeye geldi. Zhipu, ön yüz geliştirme, araç oluşturma, veri analizi, test ve algoritma problemlerini içeren daha zor görevleri de testlere ekledi.

Gerçekçi ve birden fazla etkileşim içeren iş akışlarını değerlendirmek üzere insan değerlendiriciler modellerle birbirinden yalıtılmış ortamlarda çalıştı. Bu yaklaşım, yalnızca tek bir yanıtı değerlendirmek yerine sistemlerin bir dizi programlama görevini nasıl tamamladığına baktı.

GLM 4.6, görevleri GLM 4.5'e kıyasla yaklaşık yüzde 15 daha az token kullanarak tamamladı. API ücretleri genellikle token tüketimine bağlı olduğundan, aynı görev için daha az token kullanılması faturayı düşürebilir. Etkileşimi daha hızlı hissettirebilir de.

Geliştiriciler yine de kıyaslama sonuçları ile günlük güvenilirlik arasında denge kurmak zorunda. Hata ayıklama, arka uç işlevleri, entegrasyonlar ve arayüz bileşenlerini kabul edilebilir bir maliyetle halleden bir model, belirli testlerde başka bir model önde olsa bile yararlı olabilir. Arka uç işlevleri, uygulamanın bilgi işleyen ve görünür arayüzün arkasındaki işleri yürüten bölümleridir.

Reklam

Geliştiricilere yönelik fiyat teklifi

Zhipu, kodlama planının Claude düzeyinde performansı çok daha düşük fiyatla sunduğunu öne çıkarıyor. Tanıtım amaçlı karşılaştırmasında maliyet, önde gelen bir ABD hizmetinin benzer bir paketinin yaklaşık yedide biri olarak belirtiliyor; aboneler için kullanım kotası da daha yüksek.

Kesin tutar kullanıma ve bölgeye göre değişiyor. Buna rağmen şirketin teklifi, serbest çalışanlar, öğrenciler ve girişimler açısından pratik bir soruya yanıt veriyor: Bir yapay zekâ asistanı, ilk deneme döneminden sonra her gün kullanılabilecek kadar uygun fiyatlı mı?

Geliştirici değerlendirmelerinde GLM 4.6 maliyet açısından verimli olarak nitelendirildi. Çıktısının zaman zaman düzeltilmesi gerekse de hızı ve fiyatı, onu rutin programlama işleri için kullanılabilir bir seçenek hâline getirebilir. Bütçesi kısıtlı ekipler için hesaplamada hem abonelik veya API ücreti hem de yanıtı düzeltmek için gereken emek dikkate alınmalı.

Daha düşük token tüketimi de bu hesabın bir parçası. Daha ucuz birim fiyat ve bir işi tamamlamak için daha az token gerekmesi, maliyetleri ayrı ayrı düşürebilir. Zhipu'nun GLM 4.5 ile yaptığı verimlilik karşılaştırması, müşterilerin yalnızca duyurulan fiyata değil, işi tamamlamanın maliyetine de bakmasına olanak tanıyor.

Zhipu'nun kodlama planına abone olanlar otomatik olarak GLM 4.6'ya geçiriliyor. Uygulamalarda yapılandırma değişikliği, yeni model adını seçmekten ibaret. Bu kolay yükseltme yolu, mevcut kullanıcıların kurulumlarını baştan oluşturmadan modeli denemesine yardımcı oluyor.

Açık ağırlıklar ve dağıtım üzerinde kontrol

Geliştiriciler GLM 4.6'ya Z.ai API'si veya OpenRouter gibi yönlendirme hizmetleri üzerinden erişebiliyor. Modelin açık ağırlıklarını yerel olarak da çalıştırabiliyorlar. Ağırlıklar, bir modelin bilgiyi nasıl işlediğini ve yanıt ürettiğini belirleyen, eğitim sırasında öğrenilmiş sayısal değerlerdir.

Zhipu, ağırlıkları Hugging Face ve ModelScope üzerinde yayımladı. Modeli çalıştırmak için gereken yazılımı sağlayan ve çıkarım yığınları olarak bilinen yaygın vLLM ve SGLang çözümlerini destekliyor. Bu seçenekler, dağıtım üzerinde daha fazla kontrol isteyen mühendislik ekiplerine hitap ediyor.

Şirketin GLM 4.6 blogu, teknik değişiklikleri ve kodlama ile araç destekli görevler için önerilen ayarları açıklıyor. Zhipu ayrıca resmî kanalları üzerinden bir model sayfası ve belgelendirme sunuyor.

Modeli yerel olarak, şirket içindeki sunucularda veya seçilen bir bulut bölgesinde çalıştırmak, müşterilere kodlarının ve belgelerinin nerede işlendiği konusunda daha fazla söz hakkı veriyor. Ekipler, tamamen uzaktan işletilen bir hizmete bağlı kalmak yerine kurulumlarını da özelleştirebiliyor.

Zhipu'nun açıklığı, fiyatlandırması ve entegrasyonu birbirini tamamlıyor. Açık ağırlıklar farklı dağıtım seçenekleri sunuyor, alışıldık kodlama araçları benimseme için gereken çabayı azaltıyor, düşük ücretler ise tekrarlanan kullanımı daha kolay gerekçelendirilebilir hâle getiriyor. Şirket, güvenilir destek ve harcamaları üzerinde kontrol isteyen geliştiriciler için rekabet ederken bu bileşimden yararlanıyor.

Reklam

Yeni kodlama modellerinin kaynakları üzerine tartışma

Cognition AI'nin yeni modeli SWE 1.5 ile Cursor'ın Composer aracı, kullanıcıların davranışlarının Çin menşeli modellere işaret ettiğini fark etmesinin ardından son haftalarda dikkat çekti. Araçlardan biri Çince akıl yürütme kayıtları oluşturdu. Diğeri ise kimliğini açıklamadan önde gelen bir açık model üzerine kurulduğunu kabul etti.

Zhipu, model kaynaklarına ilişkin sorular üzerine SWE 1.5 hakkındaki görüşünü belirten bir açıklama yayımladı:

"SWE 1.5'in temel model olarak en yeni GLM 4.6'mızı kullandığına inanıyoruz," dedi Zhipu AI, model kaynaklarına ilişkin soruları yanıtlayan açıklamasında.

5 Kasım itibarıyla mevcut açıklamada araçların arkasındaki temel model kamuoyuna doğrulanmamıştı. Zhipu'nun açıklaması şirketin görüşünü ortaya koyarken diğer aracın kimliği açıklanmayan temel modeli tartışma konusu olmaya devam ediyor.

Tartışma, hukuktan çok açıklık ve kaynak gösterme normları üzerinde yoğunlaşıyor. Açık lisanslar, atıf yapılmadan yeniden kullanım dahil olmak üzere ticari yeniden kullanıma izin verebilir. Bu sayede açık ağırlıklı modeller, başka şirketlerin ürünlerinin temeli hâline gelebilir.

Açık modeller üzerine çalışan Trier Üniversitesi araştırmacısı Florian Brand, temel bir modeli ticari ürüne dönüştüren ek eğitim ve mühendislik çalışmalarının rolünü şöyle açıkladı:

"İnce ayar işin püf noktasıdır," dedi Florian Brand; temel bir modeli son hâli verilmiş bir ürüne dönüştüren özel eğitim ve mühendislik çalışmalarına atıfta bulunarak.

İnce ayar, mevcut bir modelin belirli görevler veya çalışma biçimleri için ek eğitimle uyarlanması anlamına geliyor. Veri hatları ve sistem mühendisliği de bir ürünün performansını şekillendirebilir. Dolayısıyla ticari bir kodlama aracı, değerini hem temel modelden hem de bunun üzerine eklenen çalışmalardan alabilir.

Zhipu neden yurt dışına yöneliyor?

Zhipu'nun yurt dışına açılma hamlesi, ana pazarındaki baskılarla birlikte uygun fiyatlı kodlama yapay zekâsına yönelik güçlü talebi yansıtıyor. Çin'de şirket, kamu sektöründeki işlerin daha yavaş ilerlemesi ve rekabetin artmasıyla karşı karşıya. Yönetim, yurt dışındaki büyümenin artık ülke içindeki büyümeyi aştığını söylüyor.

2019'da Tsinghua Üniversitesi'nden ayrılan bir ekip tarafından kurulan şirket, Çin'in en görünür yapay zekâ firmalarından biri hâline geldi. Yaklaşık 40 milyar yuan değer biçilen şirket, 2026 için hedeflenen borsa kotasyonu hazırlıklarını sürdürüyor.

Zhipu, daha öngörülebilir gelir elde etmek için kurumsal anlaşmalara ve geliştiricileri hedefleyen bir kodlama aboneliğine odaklanıyor. Ücretsiz sohbet robotu yeni kullanıcıları hizmete çekmeye yardımcı olsa da şirket, ABD platformlarına rakip olacak kitlesel tüketici aboneliği işini henüz hedeflemiyor.

Reklam

Jeopolitik etkenler satın alma kararlarını etkiliyor. Zhipu, verilerin yerel olarak barındırılabilmesi veya şirketin verileri sıfır süreyle saklamama taahhüdü vermesi hâlinde üçüncü ülkelerdeki müşterilerin hizmetlerini kullanmakta sakınca görmediğini belirtiyor. Sıfır veri saklama, üzerinde anlaşmaya varılan düzenleme kapsamında hizmetin müşteri verilerini işleme sonrasında tutmaması anlamına geliyor.

Yerel barındırma ve verileri saklamama taahhütleri, yapay zekâ sağlayıcılarının sınır ötesindeki gizlilik kaygılarını gidermek için başvurduğu standart yöntemler hâline geliyor. Hassas kod ve belgeleri bir modele gönderen müşteriler için bu yöntemler özellikle önem taşıyor.

Çinli yapay zekâ şirketleri ayrıca farklı yargı bölgelerinde ihracat kontrolleri, tedarik zinciri kısıtlamaları ve düzenleyici incelemelerle karşı karşıya. Bu koşullar eğitim ve dağıtım planlarını etkiliyor. Açık ağırlıklar müşterilere modelin nerede ve nasıl çalıştırılacağı konusunda seçenek sunarken alıcılar uzun vadeli desteği, hizmet taahhütlerini ve mevzuata uyum özelliklerini de değerlendiriyor.

Kalabalık kodlama pazarında rekabet

GitHub Copilot, yapay zekâ destekli kodlamayı yaygınlaştırmaya yardımcı oldu. OpenAI ve Anthropic modelleri, güçlü akıl yürütme ve bağlam yönetimi sunan üst düzey araçlara güç verirken DeepSeek ve Qwen dahil Çin sistemleri de hızla ilerledi.

Birçok bölgedeki girişimler de programlama ortamlarında çalışan ajanlar geliştiriyor. Bu araçlar arama, analiz, kod değişiklikleri ve testleri devam eden bir döngüde birleştirerek temel modeli daha büyük bir yazılım iş akışının parçası hâline getiriyor.

Zhipu'nun bu pazardaki konumu üç özelliğe dayanıyor: görece düşük fiyat, açık ağırlıklara erişim ve popüler kodlama ajanlarında destek. Bu özellikler bir araya geldiğinde güvenilirliğe, dağıtım seçeneklerine ve yönetilebilir bir faturaya önem veren geliştiriciler arasında istikrarlı büyümenin önünü açıyor.

Şirket, bütün deneyimin yararlılığı üzerinden rekabet ediyor. Bir geliştiricinin modele projeyi anlama, araçlarla bir görevi yerine getirme ve incelenip test edilebilecek kod üretme konusunda ihtiyacı var. GLM 4.6'nın daha geniş bağlam penceresi, gelişmiş araç kullanımı ve daha düşük token tüketimi bu sürecin farklı aşamalarını destekliyor.

Üst yöneticinin yapay zekâdan beklentileri

Zhipu'nun üst yöneticisi Zhang Peng, yapay süper zekâya ilişkin tartışmalarda önemli ayrıntıların çoğu zaman birbirine karıştığını savunuyor. Zaman çizelgelerinin değişken olduğunu düşünüyor ve modellerin belirli işlerde insanlardan daha iyi performans gösterip gösteremediğine, bu kazanımları gerçek verimliliğe dönüştürüp dönüştüremediğine odaklanıyor.

Zhang, yakın tarihli bir lansman etkinliğinde önümüzdeki yıllara ilişkin görüşünü şöyle dile getirdi:

"2030'a kadar insan zekâsına ulaşmak ya da onu aşmak, bazı alanlarda insanları geride bırakmak ama diğer birçok alanda yetersiz kalmak anlamına gelebilir," dedi Zhipu AI CEO'su Zhang Peng.

Zhipu'nun mevcut ürün stratejisi de bu pratik odağı izliyor. Kurumsal hizmetler, geliştiricilere yönelik kodlama planı ve erişilebilir ücretsiz sohbet robotu farklı kullanıcı gruplarına hitap ediyor. Yakın vadeli hedef ise insanların sürdürülebilir bir maliyetle özellik geliştirmesine, hataları gidermesine ve daha hızlı çalışmasına yardımcı olmak.

Reklam

Bilinmesi Gerekenler

  • Zhipu, yurt dışındaki ücretli kullanıcılarının iki ayda on kat artarak aylık yaklaşık 100.000 API müşterisine ulaştığını, buna ek olarak yaklaşık 3 milyon ücretsiz sohbet robotu kullanıcısı bulunduğunu açıkladı.
  • Eylül sonlarında piyasaya sürülen GLM 4.6; Claude Code, Cline, Roo Code ve Kilo Code üzerinden kullanılabilir hâle geldi.
  • Kilo Code, GLM 4.6'nın token kullanımının 12 günde 94 kat arttığını ve bunun bir modelde gördüğü en hızlı benimsenme olduğunu açıkladı.
  • GLM 4.6'nın bağlam penceresi 200.000 token; model görevleri GLM 4.5'e kıyasla yaklaşık yüzde 15 daha az token kullanarak tamamlıyor.
  • CC Bench'te Claude Sonnet 4'e karşı elde ettiği yüzde 48,6'lık galibiyet oranı, bu görevlerde neredeyse eşit performansa işaret ediyor; ancak model bazı kodlama ölçütlerinde Claude Sonnet 4.5'in gerisinde kalıyor.
  • Zhipu, kodlama planını önde gelen bir ABD hizmetinin benzer paketinin yaklaşık yedide biri fiyatla tanıtıyor; sunulan değer kullanıma ve bölgeye göre değişiyor.
  • Açık ağırlıklar, API erişimi ve vLLM ile SGLang desteği müşterilere çeşitli dağıtım seçenekleri sunuyor.
  • Zhipu, SWE 1.5'in temel model olarak GLM 4.6'yı kullandığına inanıyor; ancak 5 Kasım tarihli açıklamada temel model kamuoyuna doğrulanmamıştı.
  • Yaklaşık 40 milyar yuan değer biçilen şirket, yurt dışındaki kurumsal ve geliştirici talebine yatırım yaparken 2026'da borsada işlem görmeyi hedefliyor.
Bu haberi paylaş

Bunlar da ilginizi çekebilir