Reklam Kubernetes PaaS · GPU · LLMaaSGao Kaptan GPU gücüne ve LLM servislerine saniyeler içinde erişin.Pod'lar saniyeler içinde; NVIDIA GPU saatlik, LLM token bazlı. OpenAI uyumlu API, air-gapped kurulum.Detaylı bilgi ›Bulut çözümleri · İşNetReklam Zafiyet YönetimiOrnis Vista Zafiyetlerinizi sadece tespit etmeyin, kapanana kadar yönetin.Nessus ve pentest bulguları tek merkezde; görev atama, SLA takibi, Kanban akışı.Detaylı bilgi ›Ornis ürün ailesi · İşNet
15 Kasım 2026 PazarRSSMarkaHakkımızda
SON DAKİKA
00:00 Yıllık 75 bin dolarlık AI okulu Alpha School'un kendi verisi: öğrencilerin yalnızca yüzde 42'si 'iki kat hızlı öğrenme' hedefini tutturdu00:00 Microsoft 365 kesintisi alarm e-postasını durdurdu: Phantasialand otel havuzunda fazla klor fark edilmedi, 15 kişi yaralandı23:00 Google DeepMind Gemini Robotics 2.5'i tanıttı: robot hareket modeli yalnızca iş ortaklarına açık, yanında açık bir jailbreak güvenlik testi de var23:00 World Triathlon veri ihlalini doğruladı: Metabase açığı üzerinden veritabanı tabloları kopyalandı, sporcuların sağlık bilgileri de etkilendi22:00 NYT: Ticaret Bakanı Lutnick, yurt dışı veri merkezlerine yönelik AI çip kuralının daraltılmasını istedi; kural Cantor'un iş alanıyla örtüşüyor22:00 Amadeus ihlali Karayipler'e uzandı: Caribbean Airlines yolcuların rezervasyon bilgilerine yetkisiz erişildiğini doğruladı21:00 Güney Koreli kripto borsası Coinone veri ihlali bildirdi: destek yüklenicisi MetaM'ın sunucularından müşteri kayıtlarına erişildi21:00 Pony.ai finans direktörü: Çinli otonom sürüş şirketleri Nvidia'ya karşı yıllardır Plan B çalışıyor, yerli çipler henüz maliyet açısından en iyi seçenek değil20:00 ABD Hazine Bakanı Bessent'ten Nvidia'ya 10 gün: yönetim kurulu ihracat uyumu sorularını yanıtlamalı, yeni CEO dışarıdan gelmeli20:00 Güney Kore Ulusal Güvenlik Ofisi, AI destekli saldırılara karşı kamu, özel sektör ve ordudaki BT varlıklarını denetliyor; SBOM geçişi hızlanacak00:00 Yıllık 75 bin dolarlık AI okulu Alpha School'un kendi verisi: öğrencilerin yalnızca yüzde 42'si 'iki kat hızlı öğrenme' hedefini tutturdu00:00 Microsoft 365 kesintisi alarm e-postasını durdurdu: Phantasialand otel havuzunda fazla klor fark edilmedi, 15 kişi yaralandı23:00 Google DeepMind Gemini Robotics 2.5'i tanıttı: robot hareket modeli yalnızca iş ortaklarına açık, yanında açık bir jailbreak güvenlik testi de var23:00 World Triathlon veri ihlalini doğruladı: Metabase açığı üzerinden veritabanı tabloları kopyalandı, sporcuların sağlık bilgileri de etkilendi22:00 NYT: Ticaret Bakanı Lutnick, yurt dışı veri merkezlerine yönelik AI çip kuralının daraltılmasını istedi; kural Cantor'un iş alanıyla örtüşüyor22:00 Amadeus ihlali Karayipler'e uzandı: Caribbean Airlines yolcuların rezervasyon bilgilerine yetkisiz erişildiğini doğruladı21:00 Güney Koreli kripto borsası Coinone veri ihlali bildirdi: destek yüklenicisi MetaM'ın sunucularından müşteri kayıtlarına erişildi21:00 Pony.ai finans direktörü: Çinli otonom sürüş şirketleri Nvidia'ya karşı yıllardır Plan B çalışıyor, yerli çipler henüz maliyet açısından en iyi seçenek değil20:00 ABD Hazine Bakanı Bessent'ten Nvidia'ya 10 gün: yönetim kurulu ihracat uyumu sorularını yanıtlamalı, yeni CEO dışarıdan gelmeli20:00 Güney Kore Ulusal Güvenlik Ofisi, AI destekli saldırılara karşı kamu, özel sektör ve ordudaki BT varlıklarını denetliyor; SBOM geçişi hızlanacak
Reklam Gao Kaptan: GPU gücüne ve LLM servislerine saniyeler içinde erişin.Pod'lar saniyeler içinde; NVIDIA GPU saatlik, LLM token bazlı. OpenAI uyumlu API, air-gapped kurulum.Detaylı bilgi ›İşNet

Michigan Üniversitesi: üretken AI, İngilizce dışındaki dillerde 1,4 ile 180 kat daha fazla enerji harcıyor

EMNLP'de yayımlanan çalışmaya göre Qwen 3, Gemma 3 ve Llama 3.1 modelleri İngilizce dışı metin üretirken çok daha fazla enerji tüketiyor; Bengalce için fark 15,3 kat. Araştırmacılar 5,2 milyar kişinin ana dilinde iki kattan fazla enerji harcadığını hesaplıyor.

SiberMagazin Haber Merkezi2 dk okuma
Michigan Üniversitesi: üretken AI, İngilizce dışındaki dillerde 1,4 ile 180 kat daha fazla enerji harcıyor

Bir yapay zekâ modeline aynı soruyu İngilizce yerine başka bir dilde sormak, çoğu zaman daha fazla elektrik demek. Michigan Üniversitesi araştırmacılarının EurekAlert üzerinden duyurulan çalışmasına göre üretken AI modelleri İngilizce dışındaki dillerde metin üretirken 1,4 ile 180 kat arasında daha fazla enerji harcayabiliyor.

"The Language-Energy Divide: Measuring Energy Costs of Multilingual LLM Inference" başlıklı makale, EMNLP konferansında yayımlandı. Ekip, üç açık kaynaklı modeli inceledi: Alibaba'nın Qwen 3, Google'ın Gemma 3 ve Meta'nın Llama 3.1 modelleri. Testlerde 122 dili kapsayan Belebele veri seti ve yedi dile makine çevirisiyle aktarılmış sorular kullanıldı; enerji ölçümü Michigan'ın ML.Energy çerçevesiyle yapıldı.

Rakamlar

  • Çoğu Batı Avrupa dili İngilizceye göre iki kat veya daha az enerji harcıyor.
  • Yüz milyonlarca kişinin konuştuğu Hintçe 7,9 kat, Bengalce 15,3 kat daha fazla enerji gerektiriyor.
  • Araştırmacılar, Ethnologue nüfus verileriyle birlikte yaklaşık 5,2 milyar kişinin ana dilinde metin üretmek için İngilizce konuşanların iki katından fazla enerji harcadığını hesaplıyor.
  • Fark, daha büyük model boyutlarında ve farklı işlemci türlerinde de sürüyor.

Duyuruda Türkçe için ayrı bir sonuç yer almıyor.

Fark nereden geliyor?

Araştırmacılara göre asıl neden tokenizasyon. İngilizce dışındaki metinler, özellikle Devanagari ve Bengal alfabesi gibi harflerin şekil değiştirip birleştiği yazı sistemleri, daha fazla token'a bölünüyor. Daha fazla token daha çok bellek tüketiyor; bu da modeli daha küçük gruplar (batch) halinde çalışmaya zorluyor ve token başına enerji tüketimini artırıyor. Sağlayıcılar çoğunlukla token başına ücret aldığı için aynı fark faturaya da yansıyabiliyor.

İlk yazar doktora öğrencisi Naihao Deng'e göre daha fazla enerji tüketen diller, model çıktısında genellikle daha düşük doğrulukla da karşılaşıyor. Yani bu dillerin kullanıcıları hem daha pahalı hem daha zayıf bir hizmet alabiliyor.

Neden önemli?

AI hizmetlerinin enerji ve maliyet hesapları çoğunlukla İngilizce testlerle yapılıyor. Çalışma, aynı hizmetin farklı dil kullanıcılarına farklı maliyet ve kaliteyle ulaştığını sayılarla gösteriyor. Türkçe gibi eklemeli dillerde de kelimelerin daha fazla token'a bölündüğü bilinen bir durum; ancak bu çalışma Türkçe için ölçüm yayımlamadı.

Kimin işine yarar / ne yapabilirsiniz?

  1. Türkçe AI uygulaması geliştiren ekipler, maliyet ve gecikme tahminlerini İngilizce örneklerle değil, kendi Türkçe istemleriyle ölçmeli; aynı içeriğin token sayısını modeller arasında karşılaştırmak, tokenizer verimliliğini gösterir.
  2. Araştırmacılar, çok dilli hizmetlerde sorguların dile özel modellere yönlendirilmesini ve çeviri güvenilirse istemin önce İngilizceye çevrilmesini öneriyor; bu seçenek doğruluk testiyle birlikte değerlendirilmeli.
  3. Kurumlar, AI tedarikçilerinden Türkçe için token verimliliği ve doğruluk verisi istemeli.
yapay zekâenerjitokenizasyonçok dilli LLMEMNLPMichigan ÜniversitesiQwen 3Gemma 3Llama 3.1

İlgili Haberler

Yapay Zeka

Yıllık 75 bin dolarlık AI okulu Alpha School'un kendi verisi: öğrencilerin yalnızca yüzde 42'si 'iki kat hızlı öğrenme' hedefini tutturdu

Yapay Zeka

Google DeepMind Gemini Robotics 2.5'i tanıttı: robot hareket modeli yalnızca iş ortaklarına açık, yanında açık bir jailbreak güvenlik testi de var

ORTA
Yapay Zeka

AWS Emulator yayında: yerel AWS test ortamının kodunu baştan sona AI agent'lar yazdı, insan review'u yok

ORTA
Yapay Zeka

Anthropic halka arz haftası: fiyat 18 Kasım'da belirlenecek, hisseler 19 Kasım'da Nasdaq'ta "ANT" koduyla işlem görecek

ORTA
Yapay Zeka

Avustralya Merkez Bankası: AI'ın iş piyasasına ilk etkisi gençlerde görülüyor; yazılım ve müşteri hizmetleri gibi alanlarda istihdam zayıflıyor

Yapay Zeka

Meituan LongCat-2.5'in ağırlıklarını açtı: 1,6 trilyon parametreli agent modeli tamamen Çin donanımında eğitildi