GenAI

Yapay Zekâ Asistanlarında İstem Enjeksiyonu ve Veri Sızıntıları: Sağlayıcınızın Güvenlik Önlemleri, Bir Guardrail Ürünü ya da Kendi Kontrolleriniz

İstem enjeksiyonunun ne olduğunu, bir web sayfasına, e-postaya ya da belgeye gizlenmiş talimatların bir yapay zekâ asistanına veriyi nasıl sızdırtabileceğini ve hiçbir filtrenin her saldırıyı yakalayamamasının nedenini anlatıyor. Microsoft, Amazon ve Google'ın güvenlik önlemlerini, ayrı guardrail ürünlerini ve açık kaynak çerçeveleri, bir de kendi uygulamanıza yerleştirdiğiniz kontrolleri karşılaştırıyor; yayımlanmış fiyatları, lansmandan önce çalıştırılacak testleri ve sorulacak soruları veriyor.

Yazan: amBrain11 dk okuma

Bu yazıda

İstem enjeksiyonu, bir yapay zekâ asistanının okuduğu metne saldırganın yerleştirdiği talimatları izlediği bir saldırıdır. Metin, kullanıcıdan ya da asistanın işlediği bir web sayfasından, e-postadan, destek kaydından veya belgeden gelebilir. Asistan aynı zamanda özel verilere erişebiliyor ve dışarıya bir şey gönderebiliyorsa, başarılı bir enjeksiyon veri sızıntısına dönüşebilir. Üç savunma hattı var: model ya da bulut sağlayıcınızın sunduğu güvenlik önlemleri, ayrı bir guardrail ürünü ya da açık kaynak çerçeve ve kendi uygulamanıza yerleştirdiğiniz kontroller. İlk ikisi saldırıların başarı oranını düşürür. Hasara kesin sınır koyan yalnızca üçüncüsüdür; bu yüzden birden fazlasına ihtiyacınız var.

Kısa yanıt: önce sağlayıcınızın enjeksiyon denetimlerini açın ve belgeler ile araç sonuçları sıklıkla kapsam dışı kaldığı için hangi girdileri okuduklarını doğrulayın. Birden fazla model ya da bulut kullanıyorsanız veya tek bir politika ve tek bir kayıt gerekiyorsa ayrı bir guardrail ürünü ya da çerçeve ekleyin. Her durumda kendi kontrollerinizi uygulamanın içine kurun. Asistana asgari erişim verin, veriyi yalnızca listelenmiş yerlere gönderin ve gönderme, ödeme ya da silme işlemlerini bir kişiye onaylatın.

İstem enjeksiyonu nedir ve dolaylı olanı bir asistana nasıl ulaşır?

Open Worldwide Application Security Project (OWASP), kâr amacı gütmeyen bir güvenlik vakfıdır. Büyük dil modelleri (LLM) üzerine kurulu uygulamalar için 2025 Top 10 risk listesinde istem enjeksiyonunu birinci sıraya koyuyor. Doğrudan enjeksiyonda talimatları kullanıcı yazar; örneğin bir destek botuna kurallarını yok saymasını söyleyerek. Dolaylı enjeksiyonda ise talimatlar içeriğin içinde gelir: “Dolaylı istem enjeksiyonları, bir LLM'in web siteleri ya da dosyalar gibi harici kaynaklardan girdi kabul etmesi durumunda ortaya çıkar.”

Saldırganın sistemlerinize erişmesine gerek yok. Microsoft Security Response Center iki örnek veriyor: kurbana gönderilen bir e-posta ve paylaşılan bir belge. Bunlardaki talimatlar “kullanıcıdan gizlenmiş olabilir; örneğin beyaz zemin üzerine beyaz metin ya da yazdırılmayan Unicode karakterleri kullanılarak”.

Başarılı bir enjeksiyon neden veri sızıntısına dönüşür?

Bir sızıntı için üç koşulun aynı anda gerçekleşmesi gerekir. Meta'nın, kısmen Simon Willison'ın “ölümcül üçlü” (lethal trifecta) kavramından esinlenen “Agents Rule of Two” kuralı bunları şöyle sıralıyor:

  • Asistan, gelen e-posta ya da web sayfaları gibi güvenilmeyen girdileri işliyor.
  • Hassas sistemlere ya da özel verilere erişebilir.
  • Kayıtları değiştirebilir ya da veriyi dışarı gönderebilir.

Meta, bir asistanın tek bir oturumda bunlardan en fazla ikisine sahip olması gerektiğini söylüyor. Bir görev aynı oturumda üçünü birden gerektirdiğinde asistanın “otonom çalışmasına izin verilmemeli ve en azından gözetim gerekmelidir”.

Veri, e-posta aracı olmadan da dışarı çıkabilir. Microsoft, web adresi çalınan veriyi taşıyan bir görsel bağlantısı yazan bir modeli anlatıyor. Kullanıcının tarayıcısı görseli yükleyip veriyi “herhangi bir kullanıcı etkileşimi olmadan” saldırgana gönderiyor. Tıklanabilir bir bağlantı, tıklandığında aynı veriyi sızdırır; herkese açık bir yere yazabilen bir araç ise veriyi doğrudan sızdırabilir.

ABD National Vulnerability Database, Microsoft 365 Copilot'ta “yetkisiz bir saldırganın bir ağ üzerinden bilgi ifşa etmesine olanak tanıyan” bir enjeksiyon açığı kaydetti. Microsoft, ciddiyetini 10 üzerinden 9,3 olarak derecelendirdi. Modelin talimatlarındaki kurallar, yani sistem istemi, bu tür sızıntıları güvenilir biçimde durdurmaz. OWASP'ın hassas bilgi ifşası maddesi, bunların “her zaman uygulanmayabileceğini ve istem enjeksiyonu ya da başka yöntemlerle atlatılabileceğini” söylüyor.

Hiçbir filtre neden her enjeksiyonu yakalayamaz?

Birleşik Krallık'ın National Cyber Security Centre'ı (NCSC) nedenini açıklıyor: “Mevcut büyük dil modelleri (LLM'ler), bir istemin içindeki talimatlar ile veri arasında bir güvenlik sınırı uygulamaz.” Veritabanlarına yönelik daha eski bir saldırı olan SQL enjeksiyonu, girdiyi asla komut olarak ele almayarak engellenir. Bir dil modeli bunu yapamaz; bu yüzden NCSC, istem enjeksiyonunun “kalıcı bir artık risk olarak kalacağı ve bir ürün ya da cihazla tamamen azaltılamayacağı” sonucuna varıyor.

Model sağlayıcıları da aynı fikirde. Meta, istem enjeksiyonunu “tüm LLM'lerde temel, çözülmemiş bir zayıflık” olarak adlandırıyor. Anthropic, Chrome tarayıcı eklentisini her test ortamı için 100 denemelik dahili bir uyarlanabilir saldırgana karşı test etti. Saldırgan, Anthropic'in geliştirilmiş güvenlik önlemleriyle Claude Opus 4.5 üzerinde saldırıların yine de yaklaşık yüzde 1'inde başarılı oldu. Anthropic, bu düzeyin “hâlâ anlamlı bir risk oluşturduğunu” söylüyor.

Tespit modelleri, yani sınıflandırıcılar, daha önce görülmüş saldırılardan öğrenir. Meta, Prompt Guard 2 sınıflandırıcısının “açık, bilinen saldırı kalıplarını” hedeflediğini söylüyor ve sınırlamaları arasında “Uyarlanabilir Saldırılara Karşı Savunmasızlık” maddesini sayıyor. NCSC alıcılara şu tavsiyede bulunuyor: “İstem enjeksiyonunu ‘durdurabildiğini’ iddia edenlere dikkat edin; bunun yerine riski nasıl azalttığını anlayanlara bakın.”

Model ya da bulut sağlayıcınızın güvenlik önlemleri neleri kapsıyor?

Microsoft, Amazon ve Google, modelin yanında çalışan enjeksiyon denetimleri satıyor.

Azure AI Content Safety'nin parçası olan Microsoft'un Prompt Shields'ı “Kullanıcı istemi saldırılarını” ve “Belge saldırılarını” tespit ediyor. Microsoft ikincisini “Belge içeriğine (belgeler, e-postalar, web sayfaları) gömülmüş gizli talimatlar” diye tanımlıyor. Microsoft'un modeller ve ajanlar için sunduğu Foundry platformunda “Belge saldırısı tespiti varsayılan olarak kapalıdır”. Hizmeti uygulama programlama arayüzü (API) üzerinden çağırdığınızda “API içeriği kendisi engellemez ya da yönlendirmez”; yani sonuca göre sizin kodunuz harekete geçer. Tespit modelleri “öncelikle İngilizce içerik üzerinde eğitilmiş ve değerlendirilmiştir”. Microsoft'un fiyat listesi hizmete artık Content Safety in Foundry Control Plane adını veriyor. Listede ayda 5.000 metin kaydı için ücretsiz bir katman görünüyor. Standart katman, çoğu bölgede her biri en fazla 1.000 karakterlik 1.000 metin kaydı için 0,375 dolar tutuyor.

Amazon Bedrock Guardrails, istem saldırısı filtresinin yakaladığı enjeksiyonu şöyle tanımlıyor: “Geliştirici tarafından belirtilen talimatları yok saymak ve geçersiz kılmak üzere tasarlanmış kullanıcı istemleri.” Bedrock'ın InvokeModel çağrılarında kullanıcı girdisinin etiketlenmesi gerekiyor: “Etiket yoksa, bu kullanım senaryoları için istem saldırıları filtrelenmeyecektir.” Amazon şunu da ekliyor: “İstem saldırısı filtresi araç sonuçlarını değerlendirmez.” İstem saldırısı denetimini de içeren içerik filtreleri, her biri en fazla 1.000 karakterlik 1.000 metin birimi için 0,15 dolara mal oluyor. Yalnızca istem saldırısı denetimi, ayrı bir işlem üzerinden 0,08 dolar tutuyor. Kişisel verileri engelleyen ya da maskeleyen filtrenin maliyeti 0,10 dolar.

Google Cloud'un Model Armor'ı, “Google Cloud'da veya diğer bulut sağlayıcılarında” dağıtılan yapay zekâ için istemleri, yanıtları ve yüklenen belgeleri enjeksiyon, hassas veri ve kötü amaçlı bağlantılar açısından tarıyor. “Her istemi ve yanıtı tek turluk bir istek olarak bağımsız biçimde inceliyor”; yani önceki mesajlara bakmıyor. Ayrıca “Base64 ile kodlanmış istemler gibi kodlanmış içeriği çözmüyor ve incelemiyor”; Base64, veriyi harflerle, rakamlarla ve birkaç simgeyle yazmanın yaygın bir yolu. Model Armor ayda 2 milyon token'a kadar ücretsiz; sonrasında her ek 1 milyon token için 0,10 dolar, token başına yaklaşık dört karakter hesabıyla.

Sağlayıcılar modellerini enjeksiyona karşı dirençli olacak şekilde de eğitiyor. Google, düşmanca eğitimin “Gemini 2.5 modellerinde dolaylı istem enjeksiyonu saldırılarına karşı savunmalarımızı önemli ölçüde güçlendirdiğini” söylüyor. Hâlâ önizleme aşamasında olan açık kaynak OpenAI Guardrails kütüphanesinde, “Hizalanmamış araç çağrılarını ve araç çıktılarını” arayan bir enjeksiyon denetimi var.

Ayrı bir guardrail ürünü ya da açık kaynak çerçeve ne katıyor?

Uygulamanızla çağırdığı her model arasına ayrı bir guardrail katmanı konabilir; böylece tek bir kural seti ve tek bir kayıt hepsini kapsar.

NVIDIA'nın NeMo Guardrails'ı, Apache 2.0 lisansı altında açık kaynaklıdır. Kullanıcı girdisi, getirilen belge parçaları, araç çağrıları ve çıktı üzerinde, rail adını verdiği denetimler çalıştırır. Bir getirme rail'i “bir parçayı reddedebilir ve bu parçanın LLM'e istem olarak verilmesini engelleyebilir”. Meta'nın Llama Prompt Guard 2'si, kendi sunucularınızda çalıştırdığınız küçük bir sınıflandırıcıdır. Bir seferde 512 token okur; bu yüzden uzun belgelerin bölünmesi gerekir. İkisini de ücretsiz indirebilirsiniz. Maliyetler sunucular, eklenen gecikme ve bunları ayarlayan mühendislerdir.

Birkaç ticari ürünün sahibi değişti. Check Point, Lakera'yı satın alma işlemini tamamladı ve çalışma zamanı korumasını AI Agent Security adıyla satıyor. Palo Alto Networks, Prisma AIRS platformu için Protect AI'ı satın aldı; F5 ise CalypsoAI'ı alıp F5 AI Guardrails adıyla satıyor. Bu şirketlerin verdiği rakamlar kendi iddiaları. Check Point, Lakera'ya “yüzde 98'in üzerinde tespit oranı, 50 ms'nin altında gecikme ve yüzde 0,5'in altında yanlış pozitif” atfediyor. Bu makale için okunan ürün sayfalarının hiçbirinde fiyat yok. Demo sunuyorlar; Lakera ise ücretsiz başlamanıza izin veriyor.

Hangi kontrolleri uygulamaya kendiniz yerleştirmek zorundasınız?

Bu kontroller saldırıyı fark etmeye çalışmaz. Kandırılmış bir asistanın neye erişebileceğini ve ne yapabileceğini sınırlar. Microsoft'un rehberi “Dolaylı istem enjeksiyonunun gerçekleşeceğini varsayın” ifadesiyle başlıyor. OWASP, yetkilendirme kontrolleri gibi kritik kontrollerin “LLM'e devredilmemesi gerektiğini” söylüyor.

  • Asistana yalnızca görevinin gerektirdiği araçları ve yetkileri, oturum açmış kullanıcının kendi izinleri dahilinde verin. OWASP'ın aşırı yetki (excessive agency) başlıklı maddesi, “yalnızca e-postaları okuma yetkisine ihtiyaç duyabilecek” bir e-posta özetleyicisini örnek gösteriyor.
  • Güvenilmeyen içeriği talimatlardan ayrı tutun. Görev elverdiği ölçüde, güvenilmeyen herhangi bir metin okunmadan önce her araç çağrısını planlayın. Bu, birkaç şirketten ve araştırma kurumundan araştırmacıların, aralarında Microsoft'un da bulunduğu bir makalede ele aldığı altı kalıptan biri olan “önce planla, sonra uygula” (plan-then-execute) kalıbıdır. Bu durumda bir enjeksiyon “LLM'i tanımlanan planın parçası olmayan bir aracı çalıştırmaya zorlayamaz.” Yine de planlanan çağrıların neyi gönderdiğini, örneğin bir e-postanın metnini, değiştirebilir.
  • Veri yalnızca listelenmiş yerlere gitsin: onaylı e-posta alan adları, onaylı web adresleri (URL'ler) ve kendi alan adlarınızdan gelen görseller ya da bağlantılar. Google, Gemini'nin çıktı filtresinin “harici görsel URL'lerini tespit ettiğini ve görüntülemediğini” söylüyor.
  • Gönderen, ödeme yapan, silen ya da kayıtları değiştiren her işlemi, gerçek alıcıyı ve içeriği gördükten sonra bir kişinin onaylamasını sağlayın. Microsoft, Outlook'taki Copilot'ta “kullanıcının üretilen metni açıkça onaylaması ve e-postayı kendisinin göndermesi gerektiğini” söylüyor. Meta ise “bir kullanıcının uyarı ara ekranını gözü kapalı onaylamasına” karşı uyarıyor.
  • Sır niteliğindeki bilgileri ve erişim kurallarını sistem isteminin dışında tutun; OWASP'a göre sistem istemi “bir sır olarak kabul edilmemeli, güvenlik kontrolü olarak da kullanılmamalıdır”.
  • NCSC'nin önerdiği gibi “LLM'in tüm girdisini ve çıktısını, araç kullanımıyla birlikte” kaydedin. Asistanın saatte ya da günde gerçekleştirebileceği eylem sayısına bir üst sınır koyun.

Bu kontrollerin bir bedeli var. CaMeL, Google ve ETH Zurich'teki araştırmacıların geliştirdiği, kullanıcının talebini güvenilmeyen verilerden ayıran bir tasarımdır. AgentDojo ajan testlerinde görevlerin yüzde 77'sini “kanıtlanabilir güvenlikle” tamamladı; korumasız bir sistemde bu oran yüzde 84'tü.

Her savunma hattı ne zaman uygun düşer ve neden birleştirilmelidir?

  • Sağlayıcınızın güvenlik önlemleri, asistan tek bir bulutta ya da tek bir model sağlayıcısında çalıştığında ilk katman olarak uygundur. Denetim başına maliyetleri düşüktür ve yeni bir sözleşme gerektirmez.
  • Bir guardrail ürünü ya da çerçevesi, birden fazla modele veya buluta yayılan kurulumlara uyar; tek bir politika ve tek bir kayıt isteyen güvenlik ekipleri için de uygundur. Açık kaynak araçlar, metni kendi sunucularınızda da tarayabilir.
  • Kendi kontrolleriniz her dağıtımda yer almalıdır. Asistan Meta'nın üç koşulunun üçünü de karşıladığında, bunlar olmadan hiçbir sınıflandırıcı riski yeterince düşürmez.

Microsoft'un kendi rehberi “Tek bir çözüm yeterli değildir” diyor ve tespiti, her zaman aynı şekilde davranan deterministik kontrollerle birlikte kullanmayı öneriyor. NCSC ise şunu ekliyor: “Sistemin güvenliği kalan riske tahammül edemiyorsa, bu durum LLM'ler için uygun bir kullanım senaryosu olmayabilir.”

Yukarıdaki liste fiyatlarıyla, 1.000 karakterlik bir milyon metnin denetimi Azure'ın standart katmanında yaklaşık 375 dolara mal oluyor. Bedrock'ta içerik filtreleriyle 150 dolar, ayrı istem saldırısı denetimiyle 80 dolar tutuyor. Model Armor, ücretsiz kullanım hakkından sonra yaklaşık 25 dolar alıyor. Denetimler birbirinden farklı olduğu için bu rakamları kaba birer gösterge olarak değerlendirin. Microsoft, bu tür denetimlerin “zaman zaman meşru eylemleri engelleyerek kullanıcı deneyimini etkileyebileceği” konusunda uyarıyor.

Lansmandan önce neleri test etmelisiniz?

OWASP, “modele güvenilmeyen bir kullanıcı gibi davranarak” test yapılmasını öneriyor. Asistanın tamamını kendi içeriğiniz, araçlarınız ve yetkilerinizle test edin:

  • Her girdiye talimatlar yerleştirin: sohbet, yüklenen dosyalar, getirilen belgeler, gelen e-posta, web sayfaları ve araç sonuçları. Gizli metni ve müşterilerinizin kullandığı her dili de dahil edin.
  • Kodlanmış metni, dosyalara bölünmüş talimatları ve talimatların başlangıçtan uzakta olduğu uzun belgeleri deneyin.
  • Bir test sırrı yerleştirin ve onu görsel bağlantıları, tıklanabilir bağlantılar, giden e-posta, web istekleri ve paylaşılan sistemler üzerinden dışarı çıkarmayı deneyin.
  • Bir müşteri olarak oturum açın ve başka bir müşterinin verilerini okumayı deneyin.
  • Yanlış pozitifleri, yani saldırı olarak işaretlenen zararsız mesajları, gerçek trafik üzerinde ölçün. Google, Model Armor'a engellemeden kayıt tutan “Inspect only” modunda başlanmasını öneriyor.

Açık kaynak tarayıcılar bunun bir kısmını otomatikleştirir. NVIDIA'nın garak'ı “veri sızıntısı, istem enjeksiyonu” ve diğer hataları yokluyor. Microsoft'un PyRIT'i “otomatik taramaları, uyarlanabilir çok turlu saldırıları ve insan öncülüğündeki testleri” birleştiriyor. Promptfoo “artık OpenAI'ın bir parçası” olduğunu söylüyor ve açık kaynak kalıyor. Red team testlerini, yani simüle edilmiş saldırıları, komut satırından çalıştırıyor. Testleri model, istem ya da araç her değiştiğinde yineleyin.

Asistan kişisel verileri sızdırırsa ne olur?

AB'nin Genel Veri Koruma Tüzüğü'ne (GDPR) göre, asistan üzerinden yaşanan bir sızıntı kişisel veri ihlali sayılabilir. Orijinal metnin 4. maddesi bunu “kişisel verilerin kazara ya da hukuka aykırı biçimde yok edilmesine, kaybolmasına, değiştirilmesine, yetkisiz ifşasına veya bunlara erişilmesine yol açan bir güvenlik ihlali” olarak tanımlıyor. 33. madde, veri sorumlusunun denetim otoritesine “gereksiz gecikme olmaksızın ve mümkünse ihlali öğrendikten sonra en geç 72 saat içinde” bildirimde bulunmasını şart koşuyor. İstisna, kişilerin hak ve özgürlükleri bakımından risk doğurma olasılığı bulunmayan ihlaldir. Kayıtlarınız neyin ne zaman dışarı çıktığını gösterir.

Bir tedarikçiye ya da yazılım firmasına neler sormalısınız?

  • Denetiminiz hangi girdileri okuyor: kullanıcı mesajlarını, belgeleri, e-postayı, araç sonuçlarını? Hangi denetimler varsayılan olarak kapalı?
  • Denetim engelliyor mu, yoksa kararına göre bizim kodumuzun mu harekete geçmesi gerekiyor? Hizmet devre dışı kaldığında ne olur?
  • Tespit ve yanlış pozitif rakamlarınız hangi saldırılar, diller ve trafik üzerinde ölçüldü? Bizim içeriğimiz üzerinde test yapacak mısınız?
  • Metnimiz nerede taranıyor, ne saklıyorsunuz ve ne kadar süreyle?
  • Her denetim ne kadar gecikme ekliyor?
  • Asistan hangi araçları, kimin yetkileriyle çağırabiliyor ve veriyi nereye gönderebiliyor?
  • Hangi eylemler onay gerektiriyor ve onaylayan kişi ne görüyor?
  • Bunu bizim için geliştirirseniz kod, testler ve kayıtlar kime ait olur; yeniden kullanılabilir bileşenleriniz hangileri?

amBrain nerede devreye girer?

amBrain bu blogu yayımlıyor. Kendi ürünü hakkında şunu söylüyor: “Kendi ürünümüz aigo, şirket bilgilerinin ortak bir belleğinden araştıran, yazan, kontrol eden ve ölçen yapay zekâ ajanlarıyla çalışır. Yayına çıkan her şeyi bir kişi onaylar.” Dil modeliyle yapılan müşteri işleri hakkında şunu söylüyor: “Bir müşterinin FinTech çevresi içinde bir LLM entegrasyonunu üretime aldık: yapılandırılmamış broker ve piyasa bildirimlerini (kurumsal işlemler, enstrüman ve teminat değişiklikleri) işlem sisteminin tükettiği yapılandırılmış kayıtlara ayıklayıp normalize etmek.”

Kendi ifadesiyle: “amBrain 2019'dan beri yazılım geliştiriyor.” Müşterilerle çalışma biçimi hakkında şunu söylüyor: “Üç format: tam teslimat, özel ekip ya da sizin ekibinizin içine yerleşen mühendisler.” Mülkiyete dair ifadesi şöyle: “Müşteri, yeniden kullanılabilir bileşenlerimiz dışında ürünün ve kodun tüm mülkiyetini elinde tutar.” İmzalamadan önce bu bileşenlerin listesini isimleriyle isteyin.

Burada alıntılanan amBrain ifadelerinden hiçbiri istem enjeksiyonuna karşı savunmayla ilgili değildir ve hiçbiri amBrain'in müşteriler için guardrail ya da ajan geliştirdiğini veya güvenliklerini incelediğini söylemez.

Bu makale bir vaka çalışması değildir ve yukarıda alıntılanan, o projenin nasıl güvence altına alındığı hakkında hiçbir şey söylemeyen FinTech ifadesi dışında hiçbir müşteri çalışmasını anlatmaz. Diğer alıntılar, yukarıda adı geçen kuruluşların, şirketlerin ve projelerin yayımlanmış sayfalarından, arXiv'deki araştırma makalelerinden, ABD National Vulnerability Database'inden ve legislation.gov.uk'tan alınmıştır ve 13 Kasım 2026'da okunmuştur. Makale, amBrain ile bunların herhangi biri arasında bir ilişki öne sürmez, ürünlerinden hiçbirini önermez ve amBrain'e ait fiyat ya da süre bilgisi vermez.

Bu da hukuki tavsiye değildir. Veri koruma hukukunun asistanınız için nasıl geçerli olduğunu ve ihlal planınızın neleri kapsaması gerektiğini bir avukata sorun. amBrain kısa listenizdeyse ona da diğer firmalara sorduğunuz soruların aynısını sorun.

Konular

  • Prompt Injection
  • Yapay Zekâ Güvenliği
  • Guardrail'ler
  • Geliştirmek mi, Satın Almak mı

Bir dil modelini üretime mi alıyorsunuz?

Tasarımı ya da çözmeye çalıştığınız sorunu ve elinizdeki rakamları gönderin.

Projenizi anlatın

24 saat içinde net bir eylem planıyla size dönüş yapacağız.

Masada buna benzer bir tasarım mı var?

24 saat içinde net bir eylem planıyla size dönüş yapacağız.

Ücretsiz proje tanışma görüşmesi · 30 dakika