VIDRAFT'ın açık ağırlıklı Darwin-180B-RSI-R3 modeli SuperCLUE matematik ve fen muhakemesinde ikinci oldu

Koreli bir yapay zekâ geliştiricisi olan VIDRAFT, yeni insan etiketli veriye ihtiyaç duymadan kendi muhakemesini güçlendiren açık ağırlıklı büyük dil modeli Darwin-180B-RSI-R3'ü yayımladı. Yayını anlatan ve orijinal haberi Koreli yayın organı AI타임스'a dayandıran bir dev.to gönderisine göre model, SuperCLUE'nun Kasım 2026 değerlendirmesinde matematik ve fen muhakemesinde Google, DeepSeek ve xAI girişlerinin önünde, ikinci sırada yer aldı. Yalnızca OpenAI'nin GPT-6.1 Sol'u daha yüksek puan aldı.

Qwen üzerine kurulu seyrek bir 180B model

Model, toplam 180 milyar parametreye sahip bir mixture-of-experts sistemi ve her ileri geçişte bunların yaklaşık 3 milyarı aktif oluyor. Başlangıç noktası Alibaba'nın Qwen3.8-Flash-Next modeli; nihai ağırlıklar açık ve ticari kullanıma uygun bir lisansla sunuluyor. dev.to gönderisine göre Darwin, bu SuperCLUE turundaki 19 sistem arasında yer alan tek Koreli modeldi.

Kendini geliştirme döngüsü nasıl çalışıyor

Darwin'un temel iddiası eğitim yöntemi: özyinelemeli kendini geliştirme (RSI). Gönderide anlatıldığı üzere her tur dört adımlı bir döngüyle ilerliyor: model yeni matematik ve fen problemleri üretiyor, bunları çözmeye çalışıyor, kendi çözümlerini eleştiriyor ve ardından yalnızca muhakemeyle bağlantılı ağırlıkları güncelliyor. Qwen tabanından devralınan ve genel bilgiyi barındıran expert katmanları süreç boyunca donuk kalıyor; bu tasarım, muhakemedeki kazanımlar birikirken geniş dünya bilgisinin korunmasını amaçlıyor. R3 eki, bunun üçüncü tur olduğunu gösteriyor.

Gönderi, bunu her geliştirme döngüsünde insan tarafından etiketlenmiş tercih veya cevap verisine dayanan RLHF ve DPO tarzı ince ayar yöntemleriyle karşılaştırıyor. RSI, süreçte etiketleyiciye ihtiyaç duymuyor; bu da tekrarlanan geliştirme turlarını bildirildiğine göre daha ucuz ve daha ölçeklenebilir hale getiriyor.

Rakamlar

Gönderi, SuperCLUE'nun Kasım 2026 matematik ve fen sonuçlarına dayanarak şu sıralamayı listeliyor: GPT-6.1 Sol 76,32 ile birinci, Darwin 73,68 ile ikinci, Gemini 4 Argon ve DeepSeek V4.1 Flash 71,05 ile eşit, Grok 4.7 68,42 ve Qwen3.8-Flash taban modeli 57,89 puan aldı. Bu da Darwin'u kategorinin en iyi açık ağırlıklı modeli yapıyor.

SuperCLUE'nun beş alanının tümü birleştirildiğinde Darwin 43,08 puan aldı; genel olarak dokuzuncu, açık ağırlıklı modeller arasında beşinci sırada yer aldı ve taban modelin 39,81 puanına göre 3,27 puanlık bir artış sağladı. Gönderi ayrıca 3 Kasım 2026 tarihli, doktora düzeyindeki fen sorularını ölçen GPQA Diamond değerlendirmesinde 94,44 puan alındığını, MMLU-Pro'da açıklanmayan bir iyileşme kaydedildiğini ve taban modele kıyasla muhakeme zincirlerinin yüzde 11 kısalmasını raporluyor; yani doğru cevaplara daha az ara metin üretilerek ulaşılıyor.

Dikkate değer uyarılar

SuperCLUE öncelikle Çince modelleri değerlendiriyor ve Darwin'un genel sıralamada dokuzuncu olması, muhakeme gücüne kıyasla daha zayıf uzun bağlam ve talimat takibi sonuçlarını yansıtıyor; gönderiye göre VIDRAFT bu açığı kabul ediyor. Pratik çıkarım şu: model matematik, fen ve mantık iş yüklerinde rekabetçi, ancak genel asistan kullanımları önce belirli bir iş yüküne karşı test edilmeli. Ayrıca bu rakamların dev.to'daki tek bir topluluk gönderisinden geldiğini belirtmekte fayda var; yani kıyaslama iddialarının bağımsız doğrulaması hâlâ bekleniyor.

Erişilebilirlik

Ağırlıklar Hugging Face'te VIDRAFT kuruluşu altında barındırılıyor ve rapor itibarıyla Darwin ailesinin toplam indirmeleri 4,68 milyonun üzerinde. Sıkıştırılmış bir varyant olan POCKET-Darwin-180B, tüketici CPU'larında çalışacak şekilde kuantalanmış ve damıtılmış olup GPU'suz dizüstü ve masaüstü bilgisayarları hedefliyor. Tam model hâlâ GPU gerektiriyor; ancak seyrek aktivasyon, token başına işlem yükünü yoğun bir 180B modelin gerektireceğinin çok altında tutuyor.

Neden önemli

Öncü laboratuvarların hakim olduğu bir muhakeme değerlendirmesinde açık ağırlıklı bir modelin ikinci sırayı alması, tescilli modellerin önde olduğu bir alanda açık ve kapalı sistemler arasındaki farkı daraltıyor. Daha ilginç sinyal eğitim yöntemi: kendi ürettiği ve kendi doğruladığı problemler insan etiketlerinin yerini alabiliyorsa, geliştirme döngüleri daha ucuz hale geliyor ve etiketleme darboğazı olmadan tekrarlanabiliyor. Ödünleşme de aynı derecede öğretici. Hedefli kendini geliştirme matematik ve fende keskin bir yükseliş sağladı ama modeli genel sıralamada ortalarda bıraktı; bu da otonom geliştirmenin şu an için genel yeteneği bütünüyle yükseltmek yerine belirli becerileri keskinleştirdiğini gösteriyor.