Anahtar Kelimeler：AI ajan, Meta satın alma, OpenAI yatırım, Genel amaçlı ajan görev planlama, Yıldız Geçidi AI altyapısı, Claude Code otonom kodlama
🔥 Odak Noktası
Meta, AI Agent girişimi Manus’u milyarlarca dolara satın aldı: Meta, 2025 sonunda kuruluşundan bu yana gerçekleştirdiği üçüncü büyük satın almayı tamamlayarak, AI Agent kulvarının parlayan yıldızı Manus’u 2 milyar doların üzerinde bir bedelle bünyesine kattı. Mark Zuckerberg tarafından bizzat yönetilen bu işlem sadece on küsur günde karara bağlandı. Manus, “General-purpose Agent” konumlandırmasıyla bir yıldan kısa sürede 100 milyon dolar ARR seviyesine ulaştı; temel avantajı ise güçlü görev planlama ve yürütme çerçevesinde yatıyor. Bu hamle, AI endüstrisinin odağının “diyalog modellerinden” “eylem odaklı agent’lara” (Action Intelligence) kaydığını gösteriyor. Meta, bu “Çinli yayın balığı” etkisini kullanarak dahili AI uygulama ekosistemini yeniden şekillendirmeyi ve OpenAI ile Anthropic karşısında Agent yürütme katmanındaki eksiklerini gidermeyi hedefliyor. (Kaynak: 36氪, ZhihuFrontier, TheRundownAI)
SoftBank, OpenAI’a 40 milyar dolarlık devasa yatırımını tamamladı: SoftBank, OpenAI’a taahhüt ettiği fonun tamamını ödedi; geçen hafta ulaşan 22,5 milyar dolarlık son taksitle birlikte şirketteki payı yaklaşık %11’e ulaştı. Bu finansman, OpenAI’ın yeniden yapılanmasını tamamlaması ve kâr amacı güden bir kuruluşa dönüşmesi için kritik bir önkoşuldu. Masayoshi Son, Arm hisselerini teminat göstererek aldığı krediler ve NVIDIA hisselerini elden çıkararak topladığı fonlarla, OpenAI’ın Oracle ile iş birliği yaptığı “Stargate” AI altyapı projesini tam güçle desteklemeyi amaçlıyor. Bu durum, küresel AI silahlanma yarışının trilyon dolarlık altyapı çağına girdiğini ve sermaye yoğunluğunun tarihi zirveye ulaştığını gösteriyor. (Kaynak: 36氪)
Zhipu ve MiniMax, Hong Kong Borsası’nın (HKEX) kapılarını çalıyor: Zhipu, HKEX dinlemesini resmi olarak geçti ve halka arz sürecini başlattı; 8 Ocak 2026’da listelenmesi planlanan şirketin piyasa değerinin 51,1 milyar HKD’yi aşması bekleniyor. MiniMax da hemen ardından izahnamesini sundu. Çin’in büyük model dünyasındaki “Altı Küçük Kaplan” temsilcileri olan bu iki şirketin halka arzı, sektörün “parametre yarışından” “sermaye kalibrasyonu” aşamasına geçtiğini simgeliyor. İzahnameler, yüksek büyüme ile yüksek zararın bir arada olduğu mevcut durumu ortaya koyuyor; Zhipu, 2025’in ilk yarısında 820 milyon yuan net zarar açıkladı. Piyasa, halka açık finansal veriler aracılığıyla büyük modellerin ticari yollarının gerçek kârlılığını ve bilgi işlem maliyeti kırılma noktalarını inceleyecek. (Kaynak: 36氪, andrew_n_carr)
Claude Code, %100 AI tarafından otonom olarak geliştirilen kodlara ulaştı: Anthropic mühendisi Boris Cherry, son 30 gün içinde Claude Code projesine yapılan yüzlerce PR ve on binlerce satırlık kod katkısının %100 AI tarafından gerçekleştirildiğini, insanların sadece sistemi çalışır durumda tutmak için “stop hook” mekanizmasına müdahale ettiğini açıkladı. Claude Opus 4.5, METR testlerinde 5 saate varan otonom kodlama yeteneği sergileyerek OpenAI’ın GPT-5.1-Codex modelini geride bıraktı. Bu atılım, yazılım mühendisliğinin “AI Operator” çağına girdiğini, programcıların rolünün yazıcılıktan denetçiliğe ve sistem orkestratörlüğüne dönüştüğünü müjdeliyor. (Kaynak: ylecun, imjaredz)
🎯 Gelişmeler
OpenAI 2025 Model Yol Haritası İncelemesi: OpenAI, 2025 yılında GPT-5.2 serisi ile muhakeme yeteneklerinde yakınsama ve gerçek zamanlı multimodalitede kırılma yaşadı. Yeni sunulan Responses API, Agents SDK ve MCP protokolü, Agent-native geliştirme modüllerini oluşturdu. Performans tarafında GPT-5.2, AIME matematik yarışmasında %100 doğruluk oranına ulaştı ve SWE-bench Verified puanını 80.0’a çıkardı. Aynı zamanda OpenAI, kapalı kaynak liderliğini korurken açık kaynak ekosistemi üzerinden rakipleriyle mücadele etmek amacıyla gpt-oss gibi açık ağırlıklı modeller yayınlamaya başladı. (Kaynak: reach_vb)
Nöral ağlar gerçekleri arama tabloları yerine geometrik yapılar olarak saklıyor: Google ve Carnegie Mellon University tarafından yayınlanan son makale, Transformer ve Mamba modellerinin eğitim sürecinde gerçekleri geometrik uzaydaki ilişkiler olarak organize etme eğiliminde olduğunu ortaya koydu. Bu geometrik hafızada, çok adımlı muhakeme tek adımlı bir mesafe kontrolüne dönüşebiliyor; bu da modelin 50.000 düğümlü grafik yolu sorgularında %100 doğruluğa ulaşmasını sağlıyor. Bu bulgu, derin sekans modellerinin neden yerel bağlantıların ötesinde küresel bir mantıksal anlama yeteneği geliştirebildiğini açıklıyor. (Kaynak: jpt401)
NVIDIA, NitroGen genel oyun AI temel modelini yayınladı: Bu model, 1000’den fazla oyun başlığını kapsayan 40.000 saatlik oyun videosu üzerinden gerçekleştirilen büyük ölçekli davranış klonlama (behavior cloning) eğitimiyle geliştirildi ve genel oyun agent’ları için bir temel teşkil ediyor. NVIDIA CEO’su Jensen Huang, bir röportajda NVIDIA’nın Omniverse ile fiziksel dünyayı birleştirerek gelecekteki sistemlerin evrimini tahmin eden bir “zaman makinesi” inşa ettiğini vurguladı. Ayrıca NVIDIA, bilgi işlem enerji verimliliğinde 8 yılda 10.000 kat artış sağlayarak enerji kısıtlamalarını AI gelişiminin temel fiziksel sınırı olarak görüyor. (Kaynak: Reddit, 36氪)
Self-E modeli ile herhangi bir adım sayısında metinden görsele üretim: Araştırmacılar, tek adımdan çok adımlı muhakemeye kadar destek veren bir görsel üretim çerçevesi olan Self-evaluation (Self-E) modelini tanıttı. Önceden eğitilmiş bir öğretmene dayanan distilasyon yöntemlerinin aksine Self-E, dinamik bir öz-değerlendirme mekanizması aracılığıyla öz-yönelimli küresel eşleştirme gerçekleştiriyor. Deneyler, modelin düşük adım sayılarında üstün performans sergilediğini ve performansın muhakeme adımları arttıkça monoton bir şekilde iyileştiğini göstererek verimli ve ölçeklenebilir görsel üretimi için birleşik bir çerçeve sunuyor. (Kaynak: HuggingFace)
🧰 Araçlar
Manus, Design View ve Mark Tool özelliklerini duyurdu: Tasarım fikri ile nihai üretilen görsel arasındaki boşluğu kapatmak amacıyla Manus, yepyeni görsel düzenleme araçlarını yayınladı. Kullanıcılar, istemleri (prompts) tekrar tekrar ayarlamak yerine Mark Tool kullanarak doğrudan görsel üzerinde değiştirilmesi gereken alanları işaretleyebiliyor. Bu etkileşim biçimi, görsel üretimi üzerinde granüler kontrol sağlayarak AI çizimini “sürpriz kutusu modundan” “hassas düzenleme” moduna taşıyor. (Kaynak: Reddit)
HelloBoss, AI Agent tabanlı “AI Headhunter” uygulamasını yayınladı: Japonya ve küresel işe alım pazarındaki sorunlara odaklanan bu platform; iş ilanı yayınlama, akıllı özgeçmiş eşleştirme ve mülakat kayıtlarının paylaşılması dahil olmak üzere işe alım sürecinin %90’ını otonom olarak tamamlıyor. HelloBoss, sonuç odaklı ödeme modeliyle işe alım maliyetlerini %20 düşürüyor ve süreci yarı yarıya kısaltıyor. Şu anda platformda 500.000’den fazla aktif iş ilanı bulunuyor ve şirket Bertelsmann Group BAI Capital’den Seri A yatırımı aldı. (Kaynak: 36氪)
LangChain, AI Wrapped 2025 analiz aracını yayınladı: Bu araç, LangSmith Insights agent’larını kullanarak kullanıcıların ChatGPT ve Claude diyalog geçmişlerini analiz ediyor; geçen yılki kullanım kalıplarını, trendleri ve olağandışı kümelenmeleri belirliyor. Anthropic’in CLIO makalesine dayanan bu araç, kullanıcıların AI ile nasıl iş birliği yaptıklarını verilerle görmelerine yardımcı olmayı ve gizli etkileşim alışkanlıklarını ortaya çıkarmayı amaçlıyor. (Kaynak: LangChainAI)
Typeless, iOS için AI sesli klavyesini tanıttı: Uygulama, sesi yazıya döküp düzenleyerek yazma hızından 4 kat daha hızlı sonuç verdiğini iddia ediyor. 100’den fazla dili destekleyen araç; WhatsApp, Slack ve e-posta gibi uygulamalarda doğrudan kullanılabiliyor. Bu durum, mobil AI etkileşiminin basit ses tanımanın ötesine geçerek bağlam anlama ve stil düzenleme yeteneğine sahip yerleşik iletişim modlarına dönüştüğünü yansıtıyor. (Kaynak: Reddit)
📚 Öğrenme
Google, ücretsiz AI eğitim platformu Google Skills’i başlattı: Bu merkez, temel Transformer mimarisinden DeepMind araştırma iş akışlarına kadar uzanan 3000 teknik modül içeriyor. Piyasadaki yüzeysel “prompt eğitimlerinin” aksine Google Skills, temel teknik prensiplere ve öncü araştırma yollarına odaklanarak en iyi laboratuvarların dahili eğitim programlarını halka açmayı hedefliyor. (Kaynak: JeffDean)
BrennerBot: Sydney Brenner röportajlarına dayanan bilimsel metodoloji kaynağı: Geliştiriciler, biyolog Sydney Brenner’ın 236 röportaj kaydını GPT-5.2 Pro ve Opus 4.5 kullanarak derinlemesine analiz etti ve brennerbot.org sitesini kurdu. Proje, devasa yapılandırılmamış verilerden “düşünce izlerini” çıkarmak için uzun bağlamlı (long-context) modellerin nasıl kullanılacağını ve Brenner’ın kısıtlı kaynaklarla hızlı bilimsel hipotezler oluşturmak için Bayesyen muhakeme ve mantıksal tümevarımı nasıl kullandığını gösteriyor. (Kaynak: doodlestein)
2025’te AI’ın geleceğini müjdeleyen 23 kritik araştırma makalesi: TheTuringPost, yılın en etkili makalelerini derledi; bunlar arasında LeJEPA, Absolute Zero (sıfır veri ile pekiştirmeli öz-oyun) ve System 3 düşünce çerçevesi yer alıyor. System 3, algı ve muhakemenin üzerinde yer alan bir öz-geliştirme katmanı olarak tanımlanıyor ve AI Agent’ların uzun vadeli davranışlarından ve kimlik inşasından sorumlu tutuluyor. Bu, 2026’da Agent’ların statik araçlardan dinamik olarak büyüyen varlıklara dönüşeceğini öngörüyor. (Kaynak: TheTuringPost)
💼 İş Dünyası
SoftBank, AI altyapısını genişletmek için DigitalBridge’i 4 milyar dolara satın aldı: SoftBank bu satın almayla çok sayıda veri merkezi, baz istasyonu ve fiber optik ağ varlığı elde etti. Masayoshi Son, varlık yapılandırması ve finansman yoluyla fonları AI değer zincirinin çekirdek halkalarına odaklayarak OpenAI’ın ticarileşmesi ve “Stargate” bilgi işlem merkezi için zemin hazırlıyor. (Kaynak: 36氪)
Adobe ve Runway arasında çok yıllı stratejik ortaklık: Runway’in modelleri ve teknolojileri doğrudan Adobe’nin yaratıcı araçlarına entegre edilecek. İki taraf, profesyonel iş akışlarına yönelik gelişmiş AI özelliklerini ortaklaşa geliştirecek ve bu özellikler sadece Adobe uygulamalarında sunulacak. Bu, video üretim teknolojisinin bağımsız uygulamalardan olgun yaratıcı ekosistemlere derin entegrasyonunu simgeliyor. (Kaynak: c_valenzuelab)
UBTECH, A-hissesi şirketi Fenglong’u 1,665 milyar yuan bedelle satın almayı planlıyor: Bu pazarlar arası satın alma, humanoid robotların üretim ve tedarik zinciri parçalarını tamamlamayı amaçlıyor. UBTECH, Fenglong’un hassas üretim yeteneklerini entegre ederek Walker S2 gibi endüstriyel humanoid robotların seri üretimini desteklemeyi ve artan ticari sipariş baskısını karşılamayı hedefliyor. (Kaynak: 36氪)
🌟 Topluluk
Profesyonel geliştiriciler “Vibe Coding”i reddediyor, kontrolü vurguluyor: Deneyimli geliştiriciler arasında yapılan bir anketin sonuçları toplulukta geniş yankı uyandırdı; profesyonellerin %100’ü AI kullanırken mimari tasarım kontrolünde ısrar ediyor. Sözde “Vibe Coding” (atmosfer odaklı kodlama), karmaşık iş mantığı ve eski kod (legacy code) entegrasyonunda genellikle başarısız oluyor. Geliştiriciler, AI’ın insan denetiminden tamamen bağımsız bir makine değil, kontrol edilebilir bir iş ortağı olması gerektiğini savunuyor; temel yetkinliğin “aracı eğitmek” değil “sorunu tanımlamak” olduğunu belirtiyorlar. (Kaynak: omarsar0, random_walker)
AI ürünleri “hedonik adaptasyon” kaynaklı estetik yorgunluk dönemine girdi: Reddit kullanıcıları “AI yorgunluğu” fenomenini tartışıyor; Scaling Law’un azalan marjinal faydası ve internet verilerinin tükenmesiyle yeni ürünlerin şok etkisinin kaybolduğunu düşünüyorlar. Kullanıcılar artık sadece “diyalog” ve “görsel üretimine” karşı duyarsızlaşmış durumda; topluluk “daha akıllı model” arayışından “işi gerçekten kimin bitirebileceği” arayışına kayıyor; ilerleme çubukları artık diyalog kutularından daha çekici geliyor. (Kaynak: Reddit, dotey)
Fiziksel dünya AI öğrenimi için “dürüst bir öğretmendir”: Topluluk, Embodied AI’ın (bedenlenmiş zeka) değerini tartışıyor; simülasyon ortamlarının yalan söyleyebileceğini ancak fizik yasalarının dürüst olduğunu savunuyorlar. Robotların zeminden aldığı geri bildirim, değiştirilemez bir “ground truth” (gerçek değer) sunuyor; bu anlık ve gerçek geri bildirim döngüsü, AI’ın daha üst düzey zekaya ulaşması için zorunlu bir yol. Zhihui Jun tarafından yayınlanan Q1 küçük boyutlu robot, bilimsel araştırma eşiğini düşüren ve daha fazla ekibin “fiziksel geri bildirim” ile temas kurmasını sağlayan önemli bir girişim olarak görülüyor. (Kaynak: ziran_pu, 机器之心)
💡 Diğer
Kuantum bilgisayarlar, süper bilgisayarları aşan karmaşık fizikleri başarıyla simüle etti: Kuantum hesaplama, belirli fiziksel sistemlerin simülasyonunda kuantum üstünlüğü sergileyerek geleneksel bilgisayarların altından kalkamayacağı hesaplama yüklerini işledi. Bu, gelecekte AI bilgi işlem gücünün kuantum hızlandırma yoluyla, özellikle malzeme bilimi ve ilaç geliştirme alanlarında sıçramalı bir büyüme gerçekleştirebileceğini gösteriyor. (Kaynak: Ronald_vanLoon)
AI sağlık araçları “astrolojiyi fiziğe bağlama” eleştirisiyle karşı karşıya: AI psikologları gibi uygulamalara yönelik olarak, dijital fenotip analizinin fiziksel ölçümler kadar hassas olmasına rağmen, istikrarsız psikiyatrik varsayımlara dayandırılmasının hatalı müdahalelere yol açabileceği görüşü hakim. Topluluk, AI’ın karmaşık insan duygularını basit tahmin modellerine indirgeme riskine karşı uyarıda bulunuyor. (Kaynak: MIT Technology Review)
Kısa video platformları “AI dijital çöpü” (AI slop) ile dolup taşıyor: Araştırmalar, YouTube’un yeni kullanıcı öneri akışının %21’inin AI tarafından üretilen içeriklerden oluştuğunu gösteriyor. Bu düşük maliyetli, yüksek tekrarlı ve güçlü duyusal uyarıcı içeren videolar algoritma önerilerini ve reklam gelirlerini toplasa da içerik ekosisteminin değerini seyreltiyor. Algoritmaların davranışsal sinyalleri ödüllendirmesi, istemeden de olsa büyük ölçekli düşük bilgi yoğunluklu içerik endüstrisini tetikliyor. (Kaynak: 36氪)
