Bu video Alibaba'nın son dönemin en büyük yapay zeka modellerinden biri olan Qwen 3.8'i detaylı biçimde incelemektedir. Videonun ana teması, yapay zeka endüstrisinde yaygın olan "yeni model herkesi öldürdü" hype'ına eleştirel bir bakış getirmektir. Qwen 3.8'in 2.4 trilyon parametresi, 1 milyon token context window'u ve çeşitli teknik özellikleri video boyunca gerçekçi testlerle değerlendirilmektedir. Video sunucusu, Kimi K3 gibi rakip modellerle kafa kafaya karşılaştırmalar yaparak, Alibaba'nın "Fable 5'ten sonra ikinciyiz" iddiasının ne kadarının gerçekçi olduğunu sorgulamaktadır.

Qwen 3.8, büyük dil modellerinin (LLM) en güncel örneklerinden biridir ve iki temel versiyonda sunulmaktadır: standart model ve büyük görsel işleme yeteneklerine sahip multimodal versiyonu. Model, 1 milyon token'lık bir context window'a sahip olup, bu sayede oldukça uzun metinleri tek seferde işleyebilmektedir. Video içinde model, frontend geliştirme, SVG oluşturma ve görsel işler gibi belirli alanlarda gerçekten güçlü olduğu gösterilmektedir. Ancak videonun ortaya çıkardığı önemli bir nokta, modelin "thinking" modu sırasında yaşadığı teknik sorunlar —loop'lar ve istikrarsızlık— olup, bu da gerçek dünyada model performansına etki etmektedir.

Video sunucusu, Qwen 3.8'i çok sayıda gerçek görevde test etmiş ve sonuçları objective benchmark'lardan ziyade pratik performansa dayandırmıştır. Fizik soruları, oyun mekaniklerinin açıklanması ve kodlama görevleri gibi çeşitli alanlarda yapılan testlerde, Qwen 3.8'in performansının karışık olduğu ortaya çıkmıştır. Kimi K3 ve diğer modellerle yapılan doğrudan karşılaştırmalar, her modelin farklı güçlü ve zayıf yönleri olduğunu göstermektedir. Video'da ayrıca ilginç bir detay paylaşılmıştır: Alibaba, Moonshot AI (Kimi'nin yapımcısı) şirketi içinde hissedar konumundadır; bu da "rakip" göründükleri halde aslında aynı finansal kaynakları paylaşabildikleri anlamına gelmektedir.

Video'da sıklıkla vurgulanan bir nokta, açık kaynak modellerin lokal çalıştırılabilmesinin bir mit olduğudur. 2.4 trilyon parametre ile bir modeli lokal olarak çalıştırmak için gerekli bilgisayar donanımı, enerji altyapısı ve ısı yönetimi masrafları gittikçe artmaktadır; bu, bireysel kullanıcılar için pratik değildir. Video, B200 gibi yüksek-uçtaki işlemcilerin hatta kurumsal altyapı masraflarının bile milyonlar düzeyinde olduğundan bahsetmektedir. Token fiyatlandırması açısından ise Çin modellerinin (Qwen, Kimi) genellikle ABD modelleri (OpenAI, Anthropic) ile karşılaştırıldığında uygun görüldüğü, ancak kullanıcıların output token'larında "tuzağa" düşebileceği belirtilmektedir.

Video sunucusu, yapay zeka hype'ının tehlikelerine dikkat çekmektedir: her yeni modelin "herkesi öldürdüğü" iddiasına karşı sağduyulu bir yaklaşım gereklidir. Videoda gözden kaçırılan GLM ve MiniMax gibi verimli modellerin desteklenmesi gerektiği vurgulanmaktadır. Benchmark puanları ile abonelik kararları arasında doğrudan bir korelasyon olmamalıdır; aksine, gerçek dünyada hangi model sizin göreviniz için en uygun olduğu belirlenmelidir. Video, Türkiye'deki açık kaynak ekosistemini ve gerçekçi beklentilerin önemini de ele almakta, hype'sız ve bilimsel temelli yapay zeka değerlendirmesinin değerini ortaya koymaktadır. Sonuç olarak video, güçlü bir model olmasına rağmen Qwen 3.8'in altın çıkmazı değildir ve karar verenler için çok seçenekli bir ortamda akılcı tercih yapabilmelerini sağlayacak bilgiler sunmaktadır.