Yapay Zeka Modellerinin Parametre Sayıları
Yapay zeka modelleri milyarlarca öğrenilebilir parametreyle çalışıyor. Ancak günümüzde yalnızca toplam parametre sayısı değil, her token işlenirken etkinleştirilen parametre miktarı da önemli hale geldi. AI modellerinin büyüklüklerini ve mimarilerini karşılaştırıyoruz.
AI model boyutları: Temel göstergeler
Üreticilerin açıkladığı model mimarisi verileri.
Modellere göre toplam parametre sayıları
Seçili modellerin açıklanan toplam parametreleri. Ölçek: 675 milyar = %100.
En büyük modellerin mimarileri
Toplam ve aktif parametrelerin farklılaşmasına örnekler.
Mistral Large 3
675B 41B aktif · MoEMistral AI'ın 2025 sonunda duyurduğu model, büyük bir toplam parametre havuzuna sahip. Her token işlenirken parametrelerin yalnızca bir bölümü etkinleştiriliyor.
DeepSeek-V3
671B 37B aktif · MoEDeepSeek-V3, uzman karışımı mimarisiyle toplam 671 milyar parametreye sahip. Token başına yaklaşık 37 milyar parametre etkinleştiriliyor.
Llama 3.1 405B
405B Yoğun mimari · DenseLlama 3.1'in 405 milyar parametreli sürümü, MoE yerine yoğun Transformer mimarisi kullanıyor. Bu nedenle MoE modelleriyle yalnızca toplam sayı üzerinden kıyaslanmamalı.
Llama 4 Maverick
400B 17B aktif · 128 uzmanMeta'nın Llama 4 Maverick modeli toplam 400 milyar parametre içeriyor. Token başına 17 milyar parametre aktif.
Qwen3-235B-A22B
235B 22B aktif · MoEQwen3 ailesinin büyük uzman karışımı modellerinden biri. Model adındaki A22B, yaklaşık 22 milyar aktif parametreyi ifade ediyor.
gpt-oss-120b
117B 5,1B aktif · MoEOpenAI'ın açık ağırlıklı akıl yürütme modeli. Ürün adındaki 120B yuvarlatılmış değerdir; gerçek toplam yaklaşık 116,8 milyar parametredir.
Toplam ve aktif parametre karşılaştırması
MoE mimarili modellerde token başına etkinleşen pay.
| Model | Toplam | Aktif | Aktif oranı |
|---|---|---|---|
| Mistral Large 3 | 675B | 41B | ~%6,1 |
| DeepSeek-V3 | 671B | 37B | ~%5,5 |
| Llama 4 Maverick | 400B | 17B | ~%4,3 |
| Qwen3-235B-A22B | 235B | 22B | ~%9,4 |
| gpt-oss-120b | ~117B | 5,1B | ~%4,4 |
| Llama 4 Scout | 109B | 17B | ~%15,6 |
Önemli bulgu: DeepSeek-V3 toplam 671 milyar parametre içerirken token başına yaklaşık 37 milyar parametreyi etkinleştiriyor. Bu, toplam parametrelerin yaklaşık %5,5'ine karşılık geliyor. MoE mimarisi, büyük parametre havuzuyla daha seçici hesaplama yapılabilmesini sağlıyor.
AI modelleri yıllar içinde nasıl büyüdü?
Seçili modellerin açıklanan parametre büyüklükleri.
| Yıl | Model | Toplam parametre | Mimari |
|---|---|---|---|
| 2019 | GPT-2 | 1,5B | Dense |
| 2020 | GPT-3 | 175B | Dense |
| 2024 | Llama 3.1 405B | 405B | Dense |
| 2024 | DeepSeek-V3 | 671B | MoE |
| 2025 | Llama 4 Maverick | 400B | MoE |
| 2025 | Qwen3-235B-A22B | 235B | MoE |
| 2025 | gpt-oss-120b | ~117B | MoE |
| 2025 | Mistral Large 3 | 675B | MoE |
GPT-2'den günümüze büyüme
Seçili model boyutlarının tarihsel karşılaştırması.
450 katlık fark: GPT-2'nin 1,5 milyar parametresiyle Mistral Large 3'ün 675 milyar toplam parametresi karşılaştırıldığında 450 kat büyüklük farkı bulunuyor. Ancak bu iki modelin mimarileri farklı olduğu için oran, hesaplama maliyetinin veya performansın 450 kat arttığını göstermez.
Dense ve MoE mimarisi arasındaki fark
Yoğun model mimarisi
Dense modellerde standart ileri geçişte modelin öğrenilmiş ağırlıkları genel olarak hesaplamaya katılır. GPT-3 ve Llama 3.1 405B bu mimariye örnektir.
Uzman karışımı mimarisi
MoE modellerinde yönlendirme mekanizması, token başına uzmanların bir bölümünü etkinleştirir. Böylece toplam parametre sayısı yüksek kalırken etkin hesaplama azaltılabilir.
Toplam ağırlıkların saklanması
MoE modellerinde az sayıda parametrenin aktif olması, kalan parametrelerin bellekte veya depolama sisteminde tutulmasına duyulan ihtiyacı ortadan kaldırmaz.
Parametre sayısı tek ölçüt değil
Eğitim verisinin niteliği, mimari, eğitim yöntemi, değerlendirme sonuçları ve inference optimizasyonları model kalitesini etkiler.
Parametre sayısı açıklanmayan modeller
Kapalı modeller için doğrulanmamış rakamlar kullanılmıyor.
| Model ailesi | Geliştirici | Parametre bilgisi |
|---|---|---|
| GPT-4 / GPT-4o | OpenAI | Resmî toplam sayı açıklanmadı |
| GPT-5 / GPT-6 kapalı modelleri | OpenAI | Bu tabloda doğrulanmış sayı yok |
| Claude ailesi | Anthropic | Bu tabloda doğrulanmış sayı yok |
| Gemini Pro / Flash kapalı modelleri | Bu tabloda doğrulanmış sayı yok | |
| Grok kapalı modelleri | xAI | Bu tabloda doğrulanmış sayı yok |
Parametre sayısını değerlendirirken nelere bakılmalı?
Modelin öğrenilmiş ağırlıklarının genel büyüklüğünü gösterir.
Özellikle MoE modellerinde bir token işlenirken kullanılan parametre miktarını ifade eder.
Dense, MoE ve farklı attention tasarımları hesaplama maliyetini değiştirebilir.
Parametrelerin saklanması, kullanılan sayısal hassasiyet ve çalışma zamanı belleği donanım ihtiyacını belirler.
Kodlama, matematik, akıl yürütme ve gerçek görev performansı yalnızca parametre sayısıyla ölçülemez.
Verinin ana mesajı: Yapay zeka modellerinin toplam parametre sayısı, GPT-2'nin 1,5 milyar parametresinden yüz milyarlarca parametreye ulaşan örneklerle büyüdü. Ancak modern AI mimarilerinde asıl değişim yalnızca daha büyük modeller geliştirmek değil, parametreleri daha seçici ve verimli kullanmak oldu.
Sık sorulan sorular
Yapay zeka modelinde parametre nedir?
Parametre, modelin eğitim sırasında öğrendiği sayısal ağırlıklardır. Bu ağırlıklar modelin girdileri işlemesine ve çıktı üretmesine yardımcı olur.
En fazla parametreye sahip AI modeli hangisi?
Bu çalışmadaki doğrulanmış seçili modeller arasında Mistral Large 3, 675 milyar toplam parametreyle en büyük örnektir. Bu, dünyadaki bütün modeller arasında kesin bir birincilik iddiası değildir.
DeepSeek-V3 kaç parametre?
DeepSeek-V3 toplam 671 milyar parametreye sahiptir. Token başına yaklaşık 37 milyar parametre aktiftir.
Llama 4 Maverick kaç parametre?
Llama 4 Maverick toplam 400 milyar, token başına 17 milyar aktif parametreye sahiptir.
Qwen3 kaç parametre?
Qwen3 farklı boyutlarda modeller içerir. Qwen3-235B-A22B sürümünde 235 milyar toplam ve 22 milyar aktif parametre bulunur.
GPT-3 kaç parametre?
OpenAI'ın 2020 yılında duyurduğu GPT-3 modeli 175 milyar parametreye sahiptir.
GPT-4 ve GPT-6 kaç parametre?
Bu sayfada ilgili kapalı modeller için doğrulanmış resmî parametre sayısı bulunmadığından rakam verilmemiştir. İnternetteki tahminler resmî açıklama olarak değerlendirilmemelidir.
Daha fazla parametre daha iyi AI demek mi?
Hayır. Parametre sayısı model kapasitesine ilişkin bir göstergedir ancak gerçek performansı tek başına belirlemez. Eğitim kalitesi, mimari ve optimizasyon önemlidir.
Aktif parametre ile toplam parametre farkı nedir?
Toplam parametre, modelde bulunan ağırlıkların tamamıdır. Aktif parametre, belirli bir işlemde kullanılan alt kümedir. Bu fark MoE modellerinde özellikle önemlidir.
MoE modelleri neden daha az parametre etkinleştiriyor?
MoE mimarisi, her token için uzman ağların yalnızca bir bölümünü seçerek hesaplama yapar. Böylece bütün uzmanların aynı anda çalıştırılması gerekmez.
Parametre sayısı ile bağlam penceresi aynı mı?
Hayır. Parametre sayısı modelin öğrenilmiş ağırlıklarını, bağlam penceresi ise modelin tek işlemde dikkate alabildiği token kapasitesini ifade eder.
120B model her zaman 120 milyar parametre mi içerir?
Hayır. Model adları yuvarlatılmış olabilir. Örneğin gpt-oss-120b'nin gerçek toplamı yaklaşık 116,8 milyar parametredir.
Bu sayfa, model geliştiricilerinin resmî duyurularını, model kartlarını ve teknik dokümantasyonlarını esas alır. Değerler milyar parametre cinsindendir.
Mistral AI: Mistral Large 3, 675B toplam, 41B aktif parametre.
DeepSeek: DeepSeek-V3, 671B toplam, 37B aktif parametre.
Meta: Llama 3.1 405B, Llama 4 Maverick 400B/17B, Llama 4 Scout 109B/17B.
Alibaba Qwen: Qwen3-235B-A22B, Qwen3-32B.
OpenAI: GPT-2 1,5B, GPT-3 175B, gpt-oss-120b yaklaşık 117B/5,1B.
Metodolojik sınırlılık: Toplam parametre sayısı modelin kalite, hız, bellek veya maliyet sıralaması değildir. Listelenmeyen modellerin daha küçük olduğu sonucuna varılamaz.
Mistral AI — Introducing Mistral 3
DeepSeek — Introducing DeepSeek-V3
Meta — Llama 4
Meta — Llama Model Families
Qwen — Qwen3 Model Documentation
OpenAI — Introducing gpt-oss
OpenAI — GPT-3 Research
OpenAI — GPT-2
