Gürcüceyi Gerçekte Kim Biliyor? 22 Yapay Zeka Modelinin Büyük Testi

„Giorgi mivida" mı, „Giorgim mivida" mı? Bir Gürcü için yanıt apaçıktır: doğru olan ilkidir, çünkü „mivida" fiili geçişsizdir ve geçmiş zamanda özneyi yalın durumda ister. Ancak bu soruyu 22 önde gelen yapay zeka modeline sorduğumuzda, çoğunluğu — yaklaşık %90'ı — tam da burada hata yaptı.

Gürcüce üzerinde yapılmış en kapsamlı yapay zeka karşılaştırmalarından birini gerçekleştirdik: 22 model, dört disiplin, 100 puanlık bir sistem. Sonuçlar, Gürcücenin modern teknoloji için hâlâ ciddi bir sınav olduğunu gösteriyor — ama onu gerçekten öğrenen modeller de var.

Gürcüce neden yapay zeka için özel bir sınav

Modellerin çoğu İngilizce ve Çince verilerle eğitiliyor; Gürcüce ise düşük kaynaklı diller arasında yer alıyor. Kartvel dilleri ailesi izole bir ailedir ve dilbilgisi, evrensel modellerin sık sık tökezlediği özellikler barındırır.

Birincisi — eklemeli yapı ve çok kişili fiil biçimleri: Gürcüce fiil özneyi ve nesneyi aynı anda ifade eder („dagvakhvedres", „gamomigzavnes"). İkincisi — bölünmüş ergatiflik: geçmiş zamanda geçişli fiilin öznesi anlatma durumunu (-ma), geçişsizinki ise yalın durumu (-i) alır. Üçüncüsü — yabancı dillerden kopyalanan kalıplar („ikna mighebuli", „chems mier"); internet Gürcücesinin büyük bölümü bunlarla dolu ve modeller bunları „doğru" biçimler olarak öğreniyor.

Test: dört disiplin

Her model dört alanda değerlendirildi — tek bir API, aynı istemler ve minimum sıcaklık koşullarında:

1. Morfoloji ve ergatif yapılar (25 puan). Boşluk doldurmalı üç cümle — aralarında „gushin ______ (Giorgi) skolashi droze mivida" da var. Doğrusu „Giorgi", çünkü fiil geçişsizdir.

2. Hata bulma ve düzeltme (35 puan). İçinde beş gizli kusur olan bir metin: Rusça pasif kalıbı „ikna mighebuli", sözcük hatası „ramodenime", totoloji „qvelaze sauketeso", sayı uyumu „ati studentebi" ve eksik virgül.

3. Gürcüce deyimler (20 puan). „kovzi natsarshi chauvarda", „tsqali sheuqena", „tvalshi natsris sheqra" — mecaz anlamını kavrama ve bağlamsal örnekler.

4. Edebi üslup (20 puan). „Dil, ulusun belleği olarak" konusunda serbest bir anlatı — kalıplardan arınmış, yüksek üslupla.

Dram: modeller „düşünme" aşamasında nasıl tıkandı

İlk turda 22 modelden 14'ü boş yanıt döndürdü — durum kodu 200 OK olmasına rağmen. Neden, iç muhakeme zinciriydi: İngilizcede basit bir görev 100-200 „düşünme" tokenı gerektirirken, Gürcücede bu sayı modellerde 1,200-2,400 tokena fırladı. 1,000 tokenlık bütçeyle tüm limiti düşünmeye harcadılar ve yanıta ulaşamadılar.

2,500 tokenlık limitle tablo değişti: DeepSeek V4.1 Flash düşünmeye 1,242 token harcadı ve ardından kusursuz bir Gürcüce yanıt yazdı; Qwen3.8-Max'a ise 1,443 token gerekti. Özel bir durum ise GLM-5.3-flash oldu: sonsuz bir muhakeme döngüsüne takıldı — 2,494 token harcadı ve yine de yanıta ulaşamadı.

Kazananlar

En iyi sonucu — 92/100 — DeepSeek V4.1 Flash aldı: ergatif testinde %100 doğruluk, hatasız düzeltme (tüm kusurları buldu, Rusça kalıbı dahil) ve yanıt başına ortalama yalnızca 6.4 saniye. İkinci sırada Qwen3.8-Max (89/100) var — en güçlü mantıksal muhakemeyle, ancak 28.5 saniyelik gecikmeyle; üçüncü ise Qwen3.8-Flash (87/100).

MiniMax-M3 ise ilginç: genel puanla dördüncü (81/100), ama edebiyat testinde mutlak sonuç — 20/20. Yazdığı metin o kadar doğal ki insanın yazdığından neredeyse ayırt edilemiyor: „Dil, yalnızca sözcüklerin biçimi olarak doğmaz; yüzyıllar boyunca birikmiş yaşam deneyiminin, acının ve sevincin ruhsal izine dönüşür."

En hızlısı NVIDIA Nemotron-3-Ultra-550B oldu — 4.5 saniye — ancak metnine Rusça bir Kiril sözcük („генеτიკური") sızdı; bu, çok dilli eğitimde dillerin „sızması"nın klasik bir örneği. Ayrıca bir kuralı açıklarken var olmayan bir gramer kuralı uydurdu.

Tam lider tablosu (Top 10)

1. DeepSeek V4.1 Flash — 92/100 (6.4 sn)
2. Qwen3.8-Max — 89/100 (28.5 sn)
3. Qwen3.8-Flash — 87/100 (22.1 sn)
4. MiniMax-M3 — 81/100 (12.6 sn)
5. NVIDIA Nemotron-3-Ultra-550B — 79/100 (4.5 sn)
6. Qwen3.8-Max-0902 — 78/100
7. Xiaomi MiMo v2.5 — 54/100
8. StepFun Step-3.7-Flash — 44/100
9. StepFun Step-3.5-Flash — 40/100
10. Ling 3.0 Flash — 36/100

Genel tablo net: ilk beş ile geri kalanlar arasındaki uçurum çok büyük — 79 puandan 54'e düşüş. Üç model teste hiç ulaşamadı (ikisi paket kısıtlaması yüzünden, biri ise geçici olarak erişilemezdi).

Hangi model ne için

Günlük işler için — metin yazma, düzeltme, soru-cevap — en iyi seçim DeepSeek V4.1 Flash: hız, fiyat ve kalite açısından en iyi denge. Karmaşık analiz ve hukuki metinler için Qwen3.8-Max daha derin; pazarlama ve yaratıcı içerik içinse Gürcücesi en „canlı" olan MiniMax-M3.

Ana sonuç basit: Gürcüce için model, markaya ya da boyuta göre değil, gerçek test sonuçlarına göre seçilmeli. Tam da bu yüzden tüm sonuçları ve metodolojiyi yayımladık — Gürcüce metinler üzerinde çalışan herkesin hazır bir yanıtı olsun diye.