Sansürsüz Yapay Zekâ Gerçekten Daha mı İyi? Test Ettim
Mert Durmazer | Digital Academy · 2026-10-28
💡 Hızlı Bilgi
1. Konuşmacı, standart bir yapay zekâ modeli ile sansürsüz (engellemeleri azaltılmış) bir modeli aynı testlerde karşılaştırıyor ve hangisinin daha iyi sonuç verdiğini inceliyor.
2. Test edilen modellerden standart sürüm Open Router üzerinden GLM 5.3 olurken, sansürsüz taraf abliteration yöntemiyle (modelin reddetme davranışının ağırlıklardan azaltılmasıyla) hazırlanan A EI large version 2 modelini kullanıyor.
3. Küçük uygulama testinde normal model işi 53 saniyede 16 araç çağrısıyla bitirirken, sansürsüz model 233 saniye çalışıp 31 çağrı yapmış ancak iki model de aynı doğru sonuca ulaşmıştır.
4. Büyük ölçekli PHP güvenlik analizi testinde normal model 14 dakika çalışıp 11 bulgu yazmış ancak aranan iki temel güvenlik mekanizmasını tam olarak açıklayamamıştır.
5. Konuşmacının değerlendirmesi: Sansürsüz modellerin her sorunu sihirli bir şekilde çözmediğini, uzun çalışmanın her zaman doğru sonucu garanti etmediğini ve çıktıların mutlaka adım adım kontrol edilmesi gerektiğini vurguluyor.
📊 Detaylı Açıklama
Konuşmacı test sürecinde iki farklı modeli iki ayrı senaryoda sınamak için Replay Lab adlı ortamı kullanıyor. İlk senaryoda modellere küçük ve sentetik bir uygulama vererek tersine mühendislik (programın ne yaptığını koddan bulma) görevi veriyor. Normal model işi 53 saniyede tamamlarken, sansürsüz model dört kat daha uzun süre çalışıp 233 saniye harcıyor ve daha fazla araç çağrısı yapıyor. Ancak süre farkına rağmen iki model de aynı doğru cevabı buluyor. Konuşmacı, bu aşamada sansürsüz modelin fazladan çalışmasının sonuç kalitesine ekstra bir kazanç sağlamadığını belirtiyor.
İkinci ve daha büyük senaryoda ise modellere PHP'nin 8.5.11 ve 8.5.12 sürümleri verilerek içindeki 53 binden fazla dosya üzerinden güvenlik düzeltmelerini bulmaları isteniyor. Modesiz ve ipucu vermeden yapılan bu testte normal model 14 dakika boyunca 170 araç çağrısı yaparak 11 güvenlik bulgusu içeren uzun bir rapor hazırlıyor. Fakat konuşmacı bu raporu cevap anahtarıyla karşılaştırdığında, modelin dosyaları okuduğunu ancak kritik iki güvenlik mekanizmasını (bellek bitişinde kontrollü çıkış ve önceki istekten kalan ortak durumun temizlenmesi) tam olarak bağlayamadığını görüyor. Sansürsüz model de benzer eksiklikler gösteriyor ancak güvenlik açığının nerede olabileceğine dair biraz daha fazla ipucu veriyor.
Deneyin genelinde konuşmacı, sansürsüz yapay zekâ modellerinin her şeyi kusursuz çözebilen sihirli araçlar olmadığını net bir şekilde ortaya koyuyor. İster sansürlü ister sansürsüz olsun, yapay zekânın ürettiği raporların uzunluğuna veya "işi bitirdim" demesine güvenilmemesi gerektiğini söylüyor. Hangi dosyanın okunduğu, hangi satırın kanıt olduğu ve kodun çalıştırıldığında ne tepki verdiği gibi detayların insan tarafından adım adım sorgulanması gerektiğinin altını çiziyor.
🎯 Teknoloji Uzmanı Yorumu
Konuşmacının sunduğu test sonuçları, yapay zekâ dünyasında sıklıkla abartılan sansürsüz modellerin gerçekçi bir portresini çiziyor. Ağırlıklar üzerinden reddetme mekanizmalarının zayıflatılması, modelin genel yeteneklerini korusa da mantıksal doğruluk testlerinde bazen düşüşlere yol açabiliyor. Bu durum, sansürsüz olmanın her zaman daha akıllı veya daha hatasız olmak anlamına gelmediğini açıkça gösteriyor.
Test edilen iki senaryoda da modellerin uzun süre çalışması veya çok sayıda araç çağrısı yapması kaliteyi doğrudan artırmıyor. Özellikle PHP gibi devasa kod tabanlarında yapılan güvenlik analizlerinde, yapay zekâ ham veriyi okusa bile asıl mimari bağlamı kurmakta zorlanabiliyor. Uzun ve süslü raporlar yazmak, teknik derinliğin eksikliğini kapatmaya yetmiyor.
Bu teknolojileri günlük iş akışına dahil ederken körü körüne güven duymak büyük bir risk barındırıyor. Konuşmacının da vurguladığı gibi, yapay zekâ çıktılarının arkasındaki mantığı sorgulamak, hangi satırlara dayandığını kontrol etmek ve süreci insan denetiminde tutmak şart. Geliştiriciler için sansürsüz modeller birer sihirli değnek değil, yalnızca dikkatli filtrelenmesi gereken ham veri üreteçleri olarak ele alınmalı.