Enver KOÇAK
Alibaba’nın Qwen ekibi, yaz sonunda başlattığı ve eylül boyunca hızla genişlettiği bir açık kaynak projeyle kod ajanlarına yeni duyular kazandırıyor. Qwen-MM-Plugins, terminalde çalışan yapay zekâ ajanlarının görüntü, video, ses ve 3B içerikle doğrudan çalışabilmesini sağlayan bir eklenti seti. Proje Apache-2.0 lisanslı ve GitHub deposu en son 11 Ekim 2026’da güncellendi.
Projenin sloganı iddialı: her ajan çatısını yerleşik olarak çok modlu hâle getirmek.
Ne Değişti?
Projenin ilk sürümü 3 Ağustos 2026’da yayımlandı. Bu sürümde temel görüntü eklentisi, uzun videolar için hafıza, video düzenleme, Blender, FreeCAD ve eğitim videosu üreten bir eklenti yer alıyordu. Eylül ayında ise peş peşe yeni eklentiler geldi.
3 Eylül’de uzun videolar için görsel ve işitsel hafıza sunan omni-memory eklendi. 10 Eylül’de video kurgu ve videodan not çıkarma eklentileri ile bir eklenti merkezi (Plugin Hub) duyuruldu. 16 Eylül’de, gösterim videolarını ajan becerilerine dönüştüren omni-skill-creator geldi. 20 Eylül’de ise fiziksel donanımı güvenlik sınırları içinde kullanan mhs ve görüntü ile videoda 3B mekânsal soruları yanıtlayan video-spatio eklendi.
Hangi Eklenti Ne Yapıyor?
Temel eklenti core, yerel görselleri ve video karelerini okuyabiliyor; belgeleri, kodu, veriyi ve 3B modelleri görselleştirebiliyor. Varsayılan modda API anahtarı bile gerektirmiyor. api eklentisi ise görme ve dil modeli servislerini sohbet, OCR ve nesne konumlandırma için çağırıyor.
Ses tarafında bir sınır var: README’ye göre çoğu ajan çatısı henüz sesi doğrudan alamıyor. Bu nedenle ses, API üzerinden yazıya döküm ve konuşmacı ayrıştırma ile işleniyor. 3B tarafında Blender ve FreeCAD eklentileri çalışan uygulamaları doğrudan yönetiyor. nifti eklentisi ise tıbbi hacim görüntülerini inceleyip görselleştirebiliyor. Bunların yanında web ve ters görsel araması yapan bir search eklentisi de var.
Bazı eklentiler her modelle çalışırken, video hafızası ve 3B gibi gelişmiş olanlar Qwen’in görme ve dil serisini (örneğin Qwen3.8-Max, Qwen3.7-Plus) ya da Omni serisini kullanıyor. Bulut özellikleri için DashScope veya uyumlu, kendi barındırdığınız servisler gerekiyor.
Kimi İlgilendiriyor?
Projenin en dikkat çekici yanı yalnızca Qwen’in kendi aracına bağlı olmaması. Rehberli kurulum aracı Claude Code, Codex, Gemini CLI, Qwen Code, CodeBuddy, Qoder ve OpenClaw’ı destekliyor. DeepSeek Harness, opencode ve Hermes Agent gibi çatılar için de elle kurulum talimatları var. Yani farklı ajanlar kullanan ekipler aynı çok modlu araç setini paylaşabiliyor.
Bu, tasarımcılar, mühendisler ve içerik üreticileri için pratik kapılar açıyor. Örneğin bir ajan, ekran görüntüsündeki bir arayüz hatasını görebilir, bir videodan toplantı notu çıkarabilir ya da bir CAD modelini doğrudan düzenleyebilir.
Kurulum bir betikle yapılıyor ve update seçeneğiyle eklentiler güncellenebiliyor. Python bağımlılıkları için uv gerekiyor. Bazı iş akışları ayrıca ffmpeg, Node, Blender veya FreeCAD ile sağlayıcı API anahtarları istiyor. Windows ve WSL2 için ayrı kurulum rehberi bulunuyor.
Türkiye’den Kullanıcılar İçin
Eklentilerin bir kısmı API anahtarı olmadan yerelde çalıştığı için denemeye başlamak kolay. Bulut özellikleri ise Alibaba Cloud’un DashScope hizmetine bağlı; bu servisin hangi bölgelerden ve hangi koşullarla kullanılabildiğini kullanmadan önce kontrol etmek gerekiyor. Ses ve video eklentilerinin Türkçe içerikteki başarısına dair README’de bir bilgi yok, bu yüzden kendi örneklerinizle test etmeniz önerilir.
Kaynaklar
Bu yazı, yukarıdaki kaynaklardan yapay zekâ yardımıyla Türkçe olarak derlenmiş bir özettir. Ayrıntılar ve resmi bilgi için kaynaklara başvurun.
