Yerli yapay zeka İridaa, kendi modeli “Kuzey”i devreye aldı: Tahmini skorlar rakiplerine göre nerede?

Türkiye merkezli yapay zeka girişimi İridaa, kendi geliştirdiğini açıkladığı “İridaa-Kuzey” modelini sohbet platformuna entegre etti. Şirketin paylaştığı tahmini benchmark değerleri, modeli genel testlerde 2024 kuşağının küçük modelleriyle aynı bantta, Türkçe görevlerde ise daha iddialı bir noktada gösteriyor.

Duyuru, İridaa ekibi tarafından 14 Kasım 2026’da webmaster forumu R10.net’te yapıldı. Ekip, kullanıcı geri bildirimleri doğrultusunda altyapıyı güçlendirdiğini ve “kendi geliştirme çalışmalarının ürünü” olarak tanımladığı yeni modeli devreye aldığını bildirdi. Şirket, platformu bir sohbet botundan daha kapsamlı bir yapay zeka ekosistemine dönüştürmeyi hedefliyor.

İridaa kendini Türkiye’de yerli imkanlarla geliştirilen bağımsız bir proje olarak tanımlıyor. Ekibin açıkladığı hedef, mevcut teknolojileri kullanmanın ötesine geçip uluslararası ölçekte rekabet edebilecek yerli bir teknoloji geliştirmek.

İlk 500 kullanıcıya ömür boyu erişim

Platform şu anda bir lansman kampanyası yürütüyor. İlk 500 kullanıcıya sınırsız kullanım, ömür boyu erişim hakkı ve ileride eklenecek özelliklerden yararlanma imkanı tanınıyor. Şirket kontenjanın dolmak üzere olduğunu belirtiyor. Hizmet iridaa.com/chat adresinden kullanılabiliyor.

Forumdaki ilk kullanıcı yorumları ağırlıkla olumlu. Bazı kullanıcılar şifre sıfırlama gibi temel hesap özelliklerinin henüz görünür olmadığını bildirdi. Ekip, e-posta sunucusunun yeni bağlandığını ve bu özelliğin kısa sürede ekleneceğini açıkladı.

Benchmark tahminleri: Rakiplerine göre nerede?

İridaa, İridaa-Kuzey için bir performans tablosu paylaştı. Bu değerler bağımsız ölçüm sonuçları değil. Şirketin kendi ifadesiyle bunlar, İridaa LLC’nin kendi testlerine ve tahminlerine dayanan bir performans projeksiyonu. Rakip skorları ise model geliştiricilerinin resmi olarak yayımladığı değerlerden alındı.

İridaa-Kuzey benchmark tablosu: rakip modellerle karşılaştırma

MMLU: İridaa’nın tahmin aralığı küçük modellerle aynı bantta

MMLU, 57 farklı alanda genel bilgiyi ölçen bir test. İridaa’nın %65–75 tahmini, Meta’nın 8 milyar parametreli açık modeli Llama 3.1 8B’nin resmi skoru olan %69,4’ü aralığın ortasına yerleştiriyor. OpenAI’ın 2024 tarihli duyurusuna göre GPT-4o mini bu testte %82, Gemini 1.5 Flash %77,9, Claude 3 Haiku ise %73,8 aldı.

Llama 3.1 8B ile birebir kıyas ilginç bir tablo çiziyor. İridaa’nın tahminleri, ilkokul düzeyi matematik problemlerinden oluşan GSM8K’de (%65’e karşı %84,5) ve kodlama testlerinde modeli Llama’nın gerisinde gösteriyor. Buna karşılık çok daha zor olan yarışma matematiği testi MATH’te (%65’e karşı %51,9) önde görünüyor. Bir modelin MATH’te GSM8K ile aynı skoru alması alışılmış bir durum değil; bu değerin bağımsız bir ölçümle doğrulanması önem taşıyor.

Asıl iddia Türkçede

İridaa’nın en yüksek tahminleri Türkçe görevlerde ve güvenlikte. Şirket, Türkçe anlama ve dil bilgisinde %85–95 bandında, istem enjeksiyonu (prompt injection) saldırılarına dayanıklılıkta ise %90–97 bandında bir başarı öngörüyor. Ancak bu başlıklar için hangi test setlerinin kullanıldığı açıklanmadı, bu yüzden değerler başka modellerle doğrudan karşılaştırılamıyor.

Şirket ayrıca yetenekleri 10 üzerinden puanladığı bir öz değerlendirme de paylaştı:

Rakamları okurken bilinmesi gerekenler

İridaa’nın değerleri bağımsız bir kurumun ölçtüğü sonuçlar değil, şirketin kendi tahminleri. Kıyaslanan rakip modeller 2024’te piyasaya çıkan küçük ve uygun maliyetli modeller; bugünün en gelişmiş modelleri bu testlerin çoğunda çok daha yüksek skorlar alıyor. Skorlar kullanılan ayarlara (örnek sayısı, zincirleme düşünme vb.) göre değişebildiğinden, farklı kaynaklardaki birkaç puanlık farklar doğrudan üstünlük anlamına gelmez.

İridaa, modelin parametre sayısı ya da sıfırdan mı eğitildiği, yoksa mevcut bir açık modelin üzerine mi geliştirildiği konusunda henüz bilgi paylaşmadı.

Sırada ne var?

İridaa ekibi, kullanıcı geri bildirimleriyle yeni özellikler eklemeye ve sistemi iyileştirmeye devam edeceğini açıkladı. Türkçeye odaklanan yerli bir modelin uluslararası rakiplerle aynı açık test setlerinde bağımsız olarak ölçülmesi, şirketin “uluslararası ölçekte rekabet” hedefinin en somut sınavı olacak.