🔥 Odak Noktası
Meta, milyarlarca dolarlık Manus satın alımıyla Agent yürütme gücü dönemini başlatıyor : Meta, genel AI Agent girişimi Manus’u (Kelebek Etkisi) satın aldığını duyurdu; işlem bedelinin milyarlarca dolar olduğu söyleniyor. Bu satın alma, Meta’nın stratejik odağının sadece Llama modeli geliştirmekten, “yürütme gücüne” sahip bir Agent ekosistemine kaydığını gösteriyor. Manus, yayına girmesinden sadece 9 ay sonra 125 milyon dolar ARR (Yıllık Tekrarlanan Gelir) elde etti ve 147 trilyondan fazla token işledi. Kurucu Xiao Hong (90’lar doğumlu), Meta Başkan Yardımcısı olarak görev yapacak. Bu hamle, Meta’nın OpenAI ve Anthropic’e karşı hamlesi ve otonom yürütme yeteneklerini WhatsApp ve Instagram gibi küresel sosyal platformlara entegre ederek yeni insan-bilgisayar etkileşimi giriş kapısını ele geçirme stratejisi olarak görülüyor (Kaynak: Manus, Alexandr Wang)
DeepSeek-R1 Silikon Vadisi’ni sarstı, büyük model ekonomisini yeniden şekillendiriyor : DeepSeek, mimari optimizasyon sayesinde 6 milyon dolardan daha az bir maliyetle GPT-4 ile yarışan bir performans sergileyen R1 serisi akıl yürütme modellerini yayınladı. Bu atılım, Silikon Vadisi’nin “büyük ölçek mucizeler yaratır” şeklindeki aşırı harcama mitini yıkarak, kısıtlı kaynaklar altında algoritma verimliliğinin devasa potansiyelini kanıtladı. DeepSeek’in yükselişi, sadece Çin AI dünyasına küresel teknoloji arenasında söz hakkı kazandırmakla kalmadı, aynı zamanda kapalı kaynak devlerini ticari koruma alanlarını yeniden gözden geçirmeye zorladı. Şu anda R1 ve distile edilmiş versiyonları, açık kaynak topluluğunda en çok talep gören akıl yürütme modelleri haline gelerek küresel geliştiriciler için üst düzey AI yeteneklerine erişim eşiğini önemli ölçüde düşürdü (Kaynak: AndrewYNg, 嘉宾商学)
Programlama Agent paradigmasının evrimi: Kod tamamlamadan otonom düzenlemeye : 2025 yılı, AI programlamanın “yardımcı tahminden” “görev üstlenmeye” geçişine tanıklık ediyor. Claude Code, Cursor ve Trae gibi araçlar artık sadece bir sonraki karakteri tahmin etmekle kalmıyor, projenin genelini otonom olarak anlıyor, dosyaları düzenliyor ve testleri çalıştırıyor. Andrej Karpathy gibi uzmanlar, bu “Agentic” davranışın IDE formunu “insan araç kutusundan” “insan-makine ortak yürütme ortamına” dönüştürdüğünü belirtiyor. Akıl yürütme modellerinin (o1, Opus 4.5 gibi) entegrasyonuyla Agent’lar, uzun vadeli görev planlaması yapabiliyor ve kıdemli mühendis seviyesindeki karmaşık görevleri otomatikleştirerek yazılım mühendisliğinde AI odaklı yeni bir aşamayı işaret ediyor (Kaynak: Andrej Karpathy, InfoQ)
🎯 Gelişmeler
Hugging Face, saniye altı görüntü üretimi sağlayan FLUX.2 [dev] Turbo’yu yayınladı : fal ekibi, FLUX.2 [dev]’in distile edilmiş versiyonu olan Turbo’yu açık kaynak olarak sundu. Özel DMD2 distilasyon teknolojisini kullanan model, yüksek kaliteyi korurken saniye altı görüntü oluşturma hızı sunuyor. Model şu anda Artificial Analysis’in açık kaynak görüntü modelleri sıralamasında (ELO) birinci sırada yer alıyor. Bu sürüm, topluluğa yüksek performanslı gerçek zamanlı görsel üretim yeteneği sağlayarak AI’nın anlık yaratıcı tasarım ve etkileşimli medya alanlarındaki uygulama senaryolarını genişletiyor (Kaynak: huggingface)
Yerli açık kaynak model ikilisi: GLM-4.7 ve MiniMax M2.1 listelerde lider : Zhipu, alternatif düşünme ve düşünceyi koruma gibi tekniklerle karmaşık görevlerde tutarlılığı artıran GLM-4.7’yi yayınladı; model açık kaynak ağırlıklı modeller arasında en yüksek puanı aldı. Aynı zamanda MiniMax M2.1, Code Arena listesinde GPT-5.2’yi geride bırakarak WebDev alanında açık kaynak modeller arasında birinci sıraya yerleşti. Bu iki modelin yayınlanması, yerli modellerin programlama, mantıksal akıl yürütme ve çok dilli destek konularında dünya lideri seviyesine ulaştığını ve küresel geliştiricilerin Agent iş akışları oluştururken ilk tercihi haline geldiğini gösteriyor (Kaynak: Zai_org, MiniMax)
Embodied AI atılımı: 1Wh ölçekli veri seti ve endüstriyel insansı robot seri üretimi : Genrobot.AI, simülasyon ile gerçeklik arasındaki boşluğu kapatmak amacıyla dünyanın en büyük açık kaynak Embodied AI veri seti olan “1Wh RealOmni-Open”ı Hugging Face’te yayınlayacağını duyurdu. Aynı zamanda UBTECH Walker S2 gibi insansı robotlar, Tesla ve CATL gibi fabrikalarda 0.1 mm montaj hassasiyetiyle çalışmaya başladı. Bu durum, AI’nın ekranlardan fiziksel dünyaya geçişini hızlandırdığını ve “donanım seri üretimi – senaryo penetrasyonu – veri geri beslemesi” döngüsüyle endüstriyel otomasyonda yeni bir sayfa açtığını gösteriyor (Kaynak: huggingface, 科技不许冷)
Test-Time Training (TTT) yeni gelişme: 128K uzun bağlamda doğrusal ölçekleme : Araştırmacılar, çıkarım aşamasında verilen bağlam üzerinden tahmin yürüterek bağlamı model ağırlıklarına sıkıştıran “End-to-End Test-Time Training (TTT-E2E)” teknolojisini yayınladı. Bu yöntem, 3B parametreli bir modelin 128K token işlemesine olanak tanırken çıkarım gecikmesini sabit tutuyor ve tam dikkat (full attention) mekanizmasından 2.7 kat daha hızlı çalışıyor. Bu yaklaşım, eğitim ve çıkarım arasındaki sınırı bulanıklaştırarak kaynak kısıtlı cihazlarda ultra uzun bağlam işleme ve sürekli öğrenme için yeni bir yol sunuyor (Kaynak: YejinChoinka)
NVIDIA, uzamsal ve zamansal boyut anlayışını güçlendiren 4D-RGPT’yi tanıttı : NVIDIA, 4D bilgisini (3D yapı + zaman içindeki değişim) algılayabilen özel çok modlu büyük model 4D-RGPT’yi yayınladı. P4D (Perceptive 4D Distillation) eğitim yöntemiyle modelin 3D/4D kıyaslama testlerindeki performansı önemli ölçüde arttı. Bu teknoloji, otonom sürüş ve robotik operasyonlar gibi fiziksel dünyanın dinamik evriminin hassas bir şekilde anlaşılmasını gerektiren senaryolar için büyük önem taşıyor ve AI algı yeteneğinin statik 3D’den dinamik 4D’ye geçişini simgeliyor (Kaynak: TheTuringPost)
🧰 Araçlar
Claude Code: Terminale derinlemesine entegre edilmiş otonom programlama aracı : Anthropic tarafından sunulan Claude Code, geliştiricilerin iş akışını değiştiriyor. Sadece dosya sistemi araçlarını çağırmakla kalmıyor, aynı zamanda güçlü bir Bash yürütme yeteneğine sahip. Basit komutlarla yerel ağ cihazlarını keşfedebiliyor, donanım yazılımlarına tersine mühendislik uygulayabiliyor, testler yazıp çalıştırabiliyor. Geliştiriciler, “basit döngü tasarımı” ile Bash araçlarının kombinasyonunun, gerçek mühendislik problemlerini çözmede birçok karmaşık IDE eklentisinden daha verimli olduğunu fark etti (Kaynak: jerryjliu0, imjaredz)
Just-bash: AI Agent’lar için tasarlanmış TypeScript tabanlı Bash uygulaması : Bu, AI Agent’lar için özel olarak tasarlanmış, içinde grep, sed, awk gibi yaygın araçların bulunduğu eksiksiz bir Bash uygulamasıdır. Agent’ların ana sisteme zarar verme endişesi duymadan Shell scriptleri aracılığıyla veri ve kod depolarını keşfetmelerine olanak tanıyan güvenli bir sandbox ortamı sağlar. Bu araç, özellikle karmaşık sistem operasyonları gerektiren programlama Agent’larının çevre etkileşim yeteneğini büyük ölçüde artırır (Kaynak: imjaredz)
LlamaSheets ve DocETL: Belge işlemede Agent odaklı yükseltme : LlamaIndex tarafından sunulan LlamaSheets API, karmaşık çok tablolu ve hiyerarşik Excel dosyalarını Agent’ların kolayca okuyabileceği 2D temsillere dönüştürmek için tasarlanmıştır. Aynı zamanda DocETL, kullanıcıların Claude Code yeteneklerini kullanarak kod yazmadan on binlerce dağınık belgeden bilgi çıkarmasına ve trendleri görselleştirmesine olanak tanır. Bu araçlar RAG karmaşıklığını ortadan kaldırarak Agent’ların kurumsal verileri bir insan uzman gibi doğrudan anlamasını ve işlemesini sağlıyor (Kaynak: jerryjliu0, HamelHusain)
📚 Eğitim
Hugging Face “Smol Course” yayınladı: 214 sayfalık tam kapsamlı LLM eğitim rehberi : Bu, ön eğitimden (pre-training) eğitim sonrasına (SFT/DPO/RLHF) kadar tüm süreci kapsayan bir “eğitim kutsal kitabı” niteliğindedir. Rehber; tokenizasyon stratejileri, modern dikkat mekanizmaları, stabilite teknolojileri (z-loss gibi) ve donanım mimarileri (NVLink/InfiniBand) gibi temel kavramları derinlemesine inceliyor. Sadece “neden eğitilmeli” sorusunu yanıtlamakla kalmıyor, aynı zamanda geliştiricilerin pahalı GPU eğitimlerinde hata yapmalarını önlemek için pratik öneriler sunuyor (Kaynak: huggingface)
Andrew Ng’den kış tavsiyesi: Sistematik öğrenme ve pratik uygulama dengesi : Andrew Ng, yıl sonu açık mektubunda AI sistemleri kurmak için “üç anahtar” olduğunu vurguladı: sistematik kurslar, sürekli uygulama ve (isteğe bağlı) araştırma makaleleri okumak. Geliştiricileri körü körüne “doğrudan işe koyulmamaları” konusunda uyardı, aksi takdirde tekerleği yeniden icat etme (verimsiz RAG bölme stratejileri gibi) tuzağına düşeceklerini belirtti. Yapılandırılmış öğrenmenin hazır “yapı taşları” sunduğuna, Agent programlama asistanlarının ise uygulama eşiğini tarihin en düşük seviyesine indirdiğine inanıyor (Kaynak: AndrewYNg)
“Algoritma ve Makine Öğrenmesine Giriş”: Lise öğrencilerinin AI geliştirmesi için hazırlanan ders kitabı : Justin Skycak tarafından yazılan bu ücretsiz ders kitabı, ABD’deki en gelişmiş lise CS (Bilgisayar Bilimi) müfredatından türetilmiştir. İçerik, temel ikili sistemden başlayarak sinir ağları geri yayılımı (backpropagation) ve oyun ağacı aramasına kadar uzanıyor ve prensiplerin tam olarak anlaşılması için “tamamen Python ile elle yazım” vurgusu yapıyor. Bu kitap sadece temelini güçlendirmek isteyen kendi kendine öğrenenler için değil, aynı zamanda eğitimciler için de üst düzey CS başlangıç eğitiminin derinliğini gösteriyor (Kaynak: dotey)
💼 İş Dünyası
Zhipu (Z.ai) resmi olarak Hong Kong borsasında halka arz sürecini başlattı : Zhipu Huazhang, 8 Ocak 2026’da Hong Kong Borsası’nda (HKEX) listelenmeyi planlıyor; yaklaşık 4.3 milyar HKD toplamayı hedefliyor ve piyasa değerinin 51.1 milyar HKD’yi aşması bekleniyor. İzahnameye göre Zhipu, yılın ilk yarısında 191 milyon yuan gelir elde etti ancak Ar-Ge yatırımları 1.595 milyar yuana ulaştı; şirket yüksek büyüme ve yüksek zarar aşamasında bulunuyor. Tsinghua Üniversitesi geçmişine sahip olan Zhipu, kurumsal pazarda güçlü bir konuma sahip ve halka arzı, büyük model girişimlerinin “teknoloji anlatısından” “ticarileşme testine” geçişinde önemli bir dönüm noktası olarak görülüyor (Kaynak: 机器之心, Zai_org)
NVIDIA, 20 milyar dolara Groq’u “satın alarak” çıkarım pazarının ikinci yarısını domine ediyor : NVIDIA, münhasır olmayan bir lisans anlaşması yoluyla 20 milyar dolarlık yüksek bir değerlemeyle AI çip girişimi Groq’un çekirdek ekibini ve teknolojisini bünyesine kattı. Groq’un SRAM mimarisi, düşük gecikmeli çıkarım ve “yavaş düşünme” modellerinde (Chain of Thought) belirgin avantajlara sahip. Jensen Huang’ın bu hamlesi, NVIDIA’nın gerçek zamanlı çıkarım alanındaki eksiklerini kapatmayı ve rakiplerini saf dışı bırakarak eğitim ve çıkarım pazarındaki mutlak hakimiyetini sürdürmeyi amaçlıyor (Kaynak: 新智元)
Fiziksel AI’nın ilk halka arzı: 51WORLD Hong Kong borsasında, piyasa değeri 15 milyarı aştı : Pekin merkezli dijital ikiz teknoloji şirketi 51WORLD resmi olarak borsada işlem görmeye başladı ve açılışta yaklaşık %15 yükseldi. Şirket, 3D grafikler, simülasyon ve AI entegrasyonuna odaklanarak bir “dijital ikiz dünya” inşa etmeyi hedefliyor. Moore Threads, şirketin önemli bir hissedarı ve müşterisidir. Fiziksel AI kavramının yükselişiyle birlikte 51WORLD’ün halka arzı, dijital ikiz teknolojisinin akıllı sürüş ve akıllı fabrikalar gibi karmaşık fiziksel senaryolardaki ticari potansiyelini gösteriyor (Kaynak: 智东西)
🌟 Topluluk
Spec-driven development: Programcılar “kural tanımlamaya” mı yönelecek? : Topluluk, Markdown dosyaları (cursor-rules, agent.md gibi) aracılığıyla Agent’lara yürütülebilir sözleşmeler sağlayan “Spec-driven development (SDD)” konusunu tartışıyor. Destekleyenler bunun Agent halüsinasyonlarını dizginleyeceğini ve programcıları “kod yazmaktan” “mantık tanımlamaya” kaydıracağını savunurken; karşı çıkanlar bunun verimsiz “Waterfall” modeline geri dönüş olmasından endişe ediyor. Her halükarda Spec, AI çağının “yeni programlama dili” haline gelerek insan-makine iş birliğinin sınırlarını belirliyor (Kaynak: InfoQ)
“Wrapper”dan “Harness”a: AI uygulamalarının itibar kazanması : Bir zamanlar teknik derinliği düşük görülen “AI Wrapper (AI kılıfı)”, artık “AI Harness (AI taşıyıcı/iskele)” olarak yeniden tanımlanıyor. Topluluk, model yeteneklerinin fazlasıyla yeterli olduğu günümüzde, mühendislik yöntemleriyle (bağlam yönetimi, araç zinciri entegrasyonu gibi) modelin potansiyelini maksimuma çıkarmanın temel rekabet gücü olduğunu fark etti. Manus ve Cursor’ın başarısı, üst düzey mühendislik ve ürün sezgisinin, kendi modelini geliştirmekten daha fazla ticari değer yaratabileceğini kanıtladı (Kaynak: zachtratar, 凤凰网科技)
AI çağında “Yavaş Düşünme”: İnsan vazgeçilmezliğinin son kalesi : AI’nın saniyeler içinde cevap üretebildiği bir çağda, topluluk “hızlı düşünmenin” bedelini sorgulamaya başladı. Bilim kurgu yazarı Chen Qiufan, düşünmenin zorluğunu ve bedensel acıyı korumayı savunan “adversarial survival” kavramını ortaya attı. Birçok kişi, standart bilgilerin AI tarafından kapsanmasıyla birlikte, derin empati, benzersiz estetik anlayışı ve karmaşık insan ilişkileri yönetiminin daha değerli hale geleceğine ve “acılı” düşünme yeteneğini korumanın insan onurunun son savunma hattı olacağına inanıyor (Kaynak: 陈楸帆, raizamrtn)
💡 Diğer
PHYSMASTER: Otonom AI fizikçisi uçtan uca bilimsel keşifler gerçekleştiriyor : Yeni bir makale, teorik ve hesaplamalı fizik araştırmalarını bağımsız olarak yürütebilen bir Agent olan PHYSMASTER’ı tanıttı. Model, adaptif keşif için Monte Carlo Tree Search kullanıyor ve LANDAU adlı hiyerarşik bir bilgi tabanı oluşturuyor. Örnek çalışmalarda, kıdemli bir doktora öğrencisinin aylarını alacak mühendislik işini 6 saate indirdi ve “charmed mesons” bozunumu konusunu bağımsız olarak araştırarak AI’nın temel bilimler alanındaki otonom keşif potansiyelini gösterdi (Kaynak: dair_ai)
Video-BrowseComp: Agent video araştırmalarındaki değerlendirme boşluğunu dolduruyor : Mevcut Agent’ların dinamik video bilgilerini işlemedeki yetersizliğine yönelik olarak araştırmacılar Video-BrowseComp değerlendirme setini yayınladı. Testler, GPT-5.1 gibi en üst düzey modellerin bile aktif arama ve video kanıtlarını çapraz doğrulama gerektiren görevlerde doğruluk oranının sadece %15.24 olduğunu gösterdi. Bu durum, AI’nın meta verilere dayanmayan dinamik video ortamlarında (maç yayınları, oyun görüntüleri gibi) hala büyük bir yetenek boşluğuna sahip olduğunu kanıtlıyor (Kaynak: huggingface)
Stickerbox: AI yaratıcılığını fiziksel nesneye dönüştüren eğlenceli bir deneme : Stickerbox, çocukların sesli betimlemelerine göre anında görüntü oluşturup etiket olarak basabilen sesle çalışan bir AI yazıcıdır. AI’nın yazılım yeteneklerini fiziksel donanımla birleştiren bu basit tasarım, AI’nın tüketici oyuncakları ve yaratıcı hediyelik eşya alanındaki devasa potansiyelini gösterirken, AI donanımlarının “her şeyi yapma tuzağından” nasıl kaçınabileceğine dair bir örnek sunuyor (Kaynak: Ronald_vanLoon)