VIDRAFT, özyinelemeli kendini geliştiren MoE akıl yürütme modeli Darwin-180B-RSI-R3'ü açık kaynak olarak yayınladı

Neler yayınlandı

Kore yapay zeka girişimi VIDRAFT, matematiksel ve bilimsel akıl yürütme için eğitilmiş büyük dil modeli Darwin-180B-RSI-R3'ün ağırlıklarını yayınladı. Sürüme ilişkin dev.to yazısına göre model, toplam yaklaşık 180 milyar parametreli bir Mixture-of-Experts (MoE) tasarımına sahip ve çıkarım sırasında token başına yalnızca yaklaşık 3 milyar parametre aktif hale geliyor. Model, Alibaba'nın Qwen3.8-Flash-Next checkpoint'inden yola çıktı — eşlik eden benchmark tablosunda yalnızca Qwen3.8-Flash olarak listeleniyor — ardından VIDRAFT'ın Recursive Self-Improvement (RSI, Özyinelemeli Kendini Geliştirme) adını verdiği üç turdan geçirildi; R3 son eki de bunu ifade ediyor.

Ağırlıklar Hugging Face'te, dev.to'nun yaklaşık 111 GB olarak verdiği 4-bit GGUF kuantizasyonuyla birlikte yayınlandı. Bu, modeli çoğu tüketici GPU'su için eler ama bol RAM'li bir iş istasyonunda yalnızca CPU ile çıkarımı mümkün kılıyor; MoE yönlendirmesi token başına o kadar az parametre aktive ediyor ki, üretim hızı aynı nominal boyuttaki yoğun (dense) bir modelden çok daha iyi olmalı. Yazı, CPU ile üretiminin üretim ortamı için değil deneme amaçlı olduğu konusunda net ve ticari dağıtım öncesi model kartındaki lisansın ayrıntılarının doğrulanmasını öneriyor.

Kendini geliştirme döngüsü nasıl çalışıyor

Eğitim yöntemi, hikayenin alışılmadık kısmı. İnsan tarafından yazılmış çözümler ya da uzman akıl yürütme kayıtları üzerinde ince ayar yapmak yerine, model cevabı programatik olarak doğrulanabilecek problemleri çözüyor — kontrol edilebilir doğru cevabı olan formel matematik ve bilim soruları. Yalnızca modelin kendisinin doğru çözdüğü çözümler tutuluyor ve bu doğrulanmış çıktılar bir sonraki yinelemenin ince ayar verisi haline geliyor. Gelişmiş model de ardından gelen turu besliyor ve döngü böylece tekrar ediyor.

dev.to'ya göre bu döngüye hiçbir insan etiketlemesi girmiyor; tüm eğitim sinyali modelin kendi doğrulanmış çıktısı. Bildirilen etki büyük: Temel Qwen3.8-Flash, SuperCLUE matematik ve bilim değerlendirmesinde 57.89 puan aldı, Darwin-180B-RSI-R3 ise — üç RSI turu sonra, ölçek veya mimaride hiçbir değişiklik olmadan — 73.68'e ulaşıyor.

Sıralamadaki yeri

SuperCLUE'nun Kasım 2026 matematik ve bilim akıl yürütme testinde dev.to şu sıralamayı bildiriyor:

• GPT-6.1-Sol (OpenAI, kapalı): 76.32
• Darwin-180B-RSI-R3 (VIDRAFT, açık ağırlıklı): 73.68
• Gemini-4-Argon (Google, kapalı): 71.05
• DeepSeek-V4.1-Flash (DeepSeek, açık ağırlıklı): 71.05
• Grok-4.7 (xAI, kapalı): 68.42
• Qwen3.8-Flash (Alibaba, açık ağırlıklı, temel model): 57.89

Bu, Darwin'i toplam 19 model arasında ikinci ve tüm açık ağırlıklı girişler arasında birinci yapıyor. Gönderiye göre sıralamadaki tek Kore modeli de bu.

Uzmanlaşma ters yöne de işliyor. SuperCLUE'nun beş alanlı bileşik endeksinde model 43.08 puan alıyor — genel dokuzunculuk ve açık ağırlıklı modeller arasında beşincilik — dev.to, uzun bağlam (long-context) yönetimi ve talimat takibini kapalı rakiplere kıyasla zayıf noktalar olarak açıkça belirtiyor. Bu genel amaçlı bir asistan değil, bir akıl yürütme uzmanı.

Rakamlar ne kadar sağlam

Benchmark verileri VIDRAFT'ın model kartından ve dev.to'nun aktardığı SuperCLUE sonuçlarından geliyor; dev.to kaynağı olarak Japon yayını ラボメモ'nun 7 Kasım tarihli makalesine atıfta bulunuyor. SuperCLUE'nun test seti kamuya açık değil ve puanlar bağımsız olarak doğrulanmadı.

Neden önemli

Bu sürümü dikkate değer kılan iki şey var. Birincisi, açık ağırlıklı bir model artık bir akıl yürütme benchmark'ında en iyi kapalı sistemin yaklaşık üç puan gerisinde ve listelendiği şekliyle Google ile xAI girişlerinin önünde — bu, API bağımlılığı yerine dağıtılabilir bir modele ihtiyaç duyan, akıl yürütme yoğun uygulamalar geliştiren herkes için önemli.

İkincisi, RSI metodolojisi bu tek checkpoint'in ötesinde önemli. Eğer bir model doğrulanabilir biçimde doğru çalışmalardan kendi eğitim verisini üretebiliyorsa, onu geliştirmek artık kıt ve pahalı olan kalabalık uzman etiketleyicilere bağlı değil. Öz-üretilmiş veriye — ek ölçek değil — atfedilen 16 puanlık benchmark sıçraması, tam da taklit çağrısı yapan türden bir sonuç. Bağımsız değerlendirmeler gelene kadar temkinli okuma 'umut verici ama öz-bildirimi' olur — ancak ağırlıklar kamuya açık olduğu için uygun donanıma sahip herkes kontrol edebilir.