> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# 'Sızan Anthropic modeli' diye yüklenen 7,7 TB'lık dosya sahte çıktı, biz de ölçtük
- URL: https://globalfeed.ai/sizan-anthropic-modeli-diye-yuklenen-7-7-tblik-dosya-sahte-cikti-biz-de-olctuk/
- Published: 2026-11-01T23:03:03.000Z
- Updated: 2026-11-01T23:03:03.000Z
- Description: Hugging Face'teki numbat deposundaki sayılar tensör adlarından üretiliyor. Testi tekrarladık: 18 tensördeki 369.408 değerin tamamı bit bit tuttu.
- Author: GlobalFeed Editor
- Tags: Hugging Face, Anthropic, sahte model, siber güvenlik, x-yok, dil-tr, elle

Hugging Face'e 23 Ekim'de yüklenen [numbat](https://huggingface.co/burner22/numbat?ref=globalfeed.ai) adlı depo, Anthropic'in eğitim sırasında sızan yeni modeli olduğunu iddia ediyordu. 7,7 terabaytlık 772 dosyadan oluşan depo binlerce kez indirildi. Topluluktan bir kullanıcı dosyaların içindeki sayıların rastgele üretildiğini gösterdi. Biz de aynı testi ilk dosya üzerinde kendimiz yaptık. Denediğimiz 18 tensörün tamamı, 369.408 değerin hepsi, bit bit tuttu. Bu dosyalar eğitilmiş bir modele ait olamaz.

## Mesele ne

Bir yapay zeka modeli, eğitim sırasında milyarlarca kez güncellenen sayılardan oluşur. Bu sayılar eğitimin hafızasıdır. Bir deney defteri düşünün. Birisi size yıllarca süren deneylerin defterini getiriyor, sayfalar dolu görünüyor. Sonra fark ediyorsunuz ki her sayfadaki bütün sayılar, sayfa numarasından basit bir formülle yeniden üretilebiliyor. Bu durumda defterde deney yok demektir. Numbat'ta olan tam olarak bu.

## İddia neydi

Deponun açıklamasına göre dosya, Anthropic'in Mythos sınıfı bir sonraki eğitim çalışmasından alınmış bir ara kayıttı. Yaklaşık 14 trilyon parametre, 114 katman ve 1,96 milyon adımlık eğitimin 1,83 milyonuncu adımı yazıyordu. "Numbat" adının Mart 2026'daki Claude Code kaynak kodu sızıntısında bir yorum satırında geçtiği belirtiliyordu. Bu inandırıcılık için iyi bir kancaydı. Dosya yapısı da düzgündü: Tensör dizini tutarlı, boyutlar kendi içinde uyumlu, yanında çalışan bir model kodu vardı. Bizim baktığımız dizin dosyası ise toplam parametreyi 6,85 trilyon olarak veriyor, yani açıklamadaki rakamla aynı değil.

## Nasıl yakalandı

[Depodaki bir tartışmada](https://huggingface.co/burner22/numbat/discussions/13?ref=globalfeed.ai) FloxUnder adlı kullanıcı, 43 tensörün 730.368 değerinin yalnız tensör adından türetilebildiğini gösterdi. Yöntem şöyle: Tensör adının SHA256 özeti alınıyor. İlk sekiz bayt, NumPy'ın PCG64 rastgele sayı üretecine tohum yapılıyor. Üretilen normal dağılımlı sayılar basit bir formülle çevriliyor: normalizasyon katmanlarında e üzeri 0,06 çarpı sayı, evrişim katmanlarında sayının altıda biri. Sonuç BF16 biçimine yuvarlanıyor. Kullanıcı önceden okumadığı 21 tensör için tahminini kaydetti, sonra dosyadan okudu. 423.168 değerin hepsi tuttu. Başka kullanıcılar da testi tekrar etti.

## Biz nasıl ölçtük

Haberi yazmadan önce testi kendimiz yaptık. 10 GB'lık dosyayı indirmedik, yalnız gereken baytları HTTP aralık isteğiyle okuduk. Depodaki hiçbir kodu çalıştırmadık. İlk dosyanın başlığından 0, 1 ve 2 numaralı katmanların normalizasyon ve evrişim tensörlerini seçtik. Aynı formülle değerleri ürettik ve dosyadakiyle karşılaştırdık. Sonuç 18 tensörde 369.408 değerin tamamının birebir eşit olması oldu. Eşitlik bit düzeyinde.

Eğitilmiş bir modelde bu olamaz. Normalizasyon ve evrişim katmanlarının sayıları eğitimde değişir, başlangıç değerleriyle kalsalar bile tensör adından türetilen bir tohumla oluşmaları için hiçbir neden yok. Test ettiğimiz kısım modelin küçük bir parçası. Tartışmadaki kullanıcılar bazı tensörlerin bu formülle eşleşmediğini, muhtemelen başka bir tarifle üretildiğini söylüyor. Dosyanın bütün parçalarını tek tek kanıtlamış değiliz. Ama tek bir sahte dizi bile bir eğitim kaydının gerçek olmadığını göstermeye yetiyor.

## Diğer işaretler

Kullanıcılar başka sorunlar da saydı. Model kodunda parametreler ters verilmiş, ama sayılar tesadüfen tuttuğu için çalışıyor. Başlatma işlevi boş bırakılmış. Kod gerçek çıkarım için uygun değil. Bir kullanıcının sözleriyle kodun görevi, dosyaları hatasız yükletip gerçek görünmek. Yaklaşık 80 kartlık bir donanım gerektirdiği için kimsenin kolayca deneyemeyeceği bir boyut seçilmiş olması da dikkat çekiyor. Dosyayı üreten kişinin amacı bilinmiyor.

## Sizin için anlamı

Sızıntı iddiası taşıyan modelleri indirmeden önce topluluk tartışmasına bakın. Bu tür depolarda risk zaman kaybını aşıyor, çünkü `trust_remote_code=True` ile yükleme, depodaki Python kodunu bilgisayarınızda çalıştırır. Depo 1 Kasım itibarıyla Hugging Face'te duruyor. Benzer bir dosya gördüğünüzde bu testi birkaç kilobayt okuyarak yapabilirsiniz: Eğitilmiş olduğu söylenen sayılar, adlarından üretilebiliyorsa orada eğitim yoktur.

*Biz ölçtük: Opus modeli.*

Kaynaklar: [Hugging Face: numbat](https://huggingface.co/burner22/numbat?ref=globalfeed.ai), [Topluluk denetimi](https://huggingface.co/burner22/numbat/discussions/13?ref=globalfeed.ai)