Anahtar Kelimeler：AI düzenleme, çapraz sınır satın alma, teknoloji uyumluluğu, Meta’nın Manus’u satın alması, AI model değerlendirmesi, kenar AI
🔥 Odak Noktası
Ticaret Bakanlığı, Meta’nın Manus’u satın alma davasına yönelik değerlendirme incelemesi başlattı: Çin Ticaret Bakanlığı, Meta’nın AI Agent girişimi Manus’u satın alma işlemini değerlendirmek üzere bir inceleme başlatacağını duyurdu. İnceleme, bu satın almanın ihracat kontrolü, teknoloji ithalat-ihracatı ve dış yatırım gibi yasal düzenlemelere uygun olup olmadığına odaklanıyor. Manus’un çekirdek ekibi Singapur’a taşınmış olsa da, teknolojisinin kökeni Pekin’e dayanıyor. Kısıtlanmış teknoloji transferi veya veri çıkışı söz konusu olursa, işlem gecikme, para cezası veya durdurulma riskiyle karşı karşıya kalabilir. Bu olay, AI alanındaki sınır ötesi birleşme ve devralmaların sıkı denetim dönemine girdiğini gösteriyor; geliştiricilerin “teknoloji ihracatı”ndaki uyumluluk kırmızı çizgilerine karşı dikkatli olması gerekiyor. (Kaynak: 36氪)
Epoch AI raporu, Çin-ABD AI farkının 7 ayda sabitlendiğini ortaya koyuyor: Yayınlanan son rapor, Çin AI modellerinin ilerlemesinin ABD’nin öncü seviyesinin ortalama 7 ay gerisinde olduğunu belirtiyor. Çin, parametre ölçeğini genişleterek ve MoE mimarisiyle “sıçramalı” bir yetişme gerçekleştirse de, ABD’nin kapalı kaynak modelleri (GPT-5, Gemini 3 gibi) çok hızlı güncelleniyor ve yetenek artışı sadece ölçeğe değil, akıl yürütme yolu (reasoning path) tasarımına dayanıyor. Rapor, 2026’da AI evriminin merkezinde “Continuous Learning” paradigmasının olacağını; parametreler içinde kendi kendine yinelemeyi (self-iteration) ilk başaranın teknoloji sınırını yeniden tanımlayacağını öngörüyor. (Kaynak: 36氪)
LMArena değerlendirme listesi “AI Güzellik Yarışması”na dönüşmekle suçlanıyor: Tanınmış değerlendirme platformu LMArena derin şüphelerle karşı karşıya. Surge AI tarafından yapılan bir araştırma, listedeki kazanan yanıtların %52’sinin gerçekte hatalı olduğunu gösterdi. Kullanıcılar, doğru cevaplar yerine uzun, güzel formatlanmış ve emoji içeren yanıtlara oy verme eğiliminde. Bu “Reward Hallucination” (ödül illüzyonu), üreticilerin sadece formatı optimize ederek listede yükselmesine neden oluyor. Topluluk, bu değerlendirme sisteminin AI gelişimini olumsuz etkilediğini ve laboratuvarları doğruluk ile kısa vadeli trafik sıralaması arasında seçim yapmaya zorladığını eleştiriyor. (Kaynak: New智元)
🎯 Gelişmeler
OpenAI, ChatGPT Health bağımsız sağlık alanını duyurdu: Bu özellik, kullanıcıların Apple Health ve elektronik tıbbi kayıt sistemlerine güvenli bir şekilde bağlanmasına olanak tanıyarak kişisel verilere dayalı hassas sağlık analizleri sunuyor. Gizlilik endişelerini gidermek için OpenAI, fiziksel düzeyde izole edilmiş bir mimari oluşturdu; sağlık verileri asla model eğitimi için kullanılmıyor ve hafıza ana sohbetle paylaşılmıyor. Bu, AI asistanlarının genel aramadan “kişisel sağlık danışmanına” dönüşümünü simgeliyor ve b.well gibi ekosistem ortaklıklarıyla tıbbi kayıt yorumlamadan eylem önerilerine kadar kapalı bir döngü sağlıyor. (Kaynak: dotey, 36氪)
DeepSeek-R1 teknik raporu 86 sayfaya genişletildi: DeepSeek, R1 makalesini 22 sayfadan 86 sayfaya çıkararak çok sayıda teknik detay ekledi. Yeni içerik, R1-Zero’nun öz-evrim sürecini, ayrıntılı değerlendirme analizlerini ve Distillation tekniklerini kapsıyor. Rapor, model yeteneklerindeki artışın “daha fazla veriden” değil, Reinforcement Learning (RL) aracılığıyla modelin akıl yürütme çabasını ve çözüm yolu keşfini yeniden şekillendirmesinden kaynaklandığını vurguluyor. Bu “kontrol öncelikli” model, ekstrem ölçeklerde istikrarlı akıl yürütme yeteneği için yeni bir yol gösteriyor. (Kaynak: andrew_n_carr, stanfordnlp)
CES 2026, “On-device AI”ın tam patlama trendini sergiliyor: Qualcomm, NVIDIA ve AMD, CES’te AI hesaplamasının merkeziyetsizleşme trendini gösterdi. Qualcomm, NPU’nun akıllı terminallerin kalıcı bir alt sistemi olmasını teşvik ediyor; NVIDIA, AI fabrikalarını fiziksel dağıtım döngüsüyle birleştiriyor; AMD ise bulut, PC ve Edge arasındaki heterojen sürekliliği vurguluyor. Sektördeki fikir birliği, 2026’da “On-device AI”ın düşük gecikme süreli ve yüksek gizlilikli yerel akıl yürütme deneyimi sunmak amacıyla varsayılan seçenek haline geleceği yönünde. AI, hesaplama mimarisini yeniden yapılandırıyor. (Kaynak: TheTuringPost, yoheinakajima)
NVIDIA, otonom sürüş akıl yürütme modeli Alpamayo’yu yayınladı: Bu model, otonom sürüş için özel olarak tasarlanmış dünyanın ilk Vision-Language-Action (VLA) modelidir ve sürüş kararlarının arkasındaki mantığı açıklayabilen açık bir akıl yürütme zincirine sahiptir. Fiziksel AI veri setlerini ve AlpaSim simülasyon araçlarını birleştirerek, insan benzeri yargı yeteneğiyle L4 seviyesinde otonom sürüşü hedefliyor. Mercedes-Benz, bu eksiksiz teknoloji yığınını yeni modellerine entegre edeceğini duyurdu. (Kaynak: nvidia, 36氪)
🧰 Araçlar
Claude Code 2.1.1 sürümü yayınlandı: Anthropic, komut satırı aracını hızla güncelliyor. Yeni sürüm, geliştiricilerin becerileri (skills) değiştirdikten sonra yeniden başlatmaya gerek kalmadan uygulamasına olanak tanıyan “Skill Hot Reloading” özelliğini getirdi. Yeni eklenen context: fork seçeneği, alt ajanların (sub-agents) ana sohbeti kirletmeden bağımsız bir bağlamda çalışmasını sağlıyor. Ayrıca, alt ajanlar izin reddedildiğinde daha dirençli hale gelerek göreve devam etmek için alternatif yollar deniyor. Bu güncellemeler, Agentic iş akışlarının esnekliğini ve sağlamlığını önemli ölçüde artırıyor. (Kaynak: dotey, Reddit)
Cursor Agent dinamik bağlam keşfini (dynamic context discovery) gerçekleştirdi: Cursor, ajanların bağlamı kullanma şeklini yeniden yapılandırdı; artık her şeyi isteme (prompt) doldurmak yerine dosyalar, araçlar ve geçmiş kayıtlar aracılığıyla ilgili bağlamı dinamik olarak keşfediyor. Bu iyileştirme, Token kullanımını %46,9 oranında azaltarak ajanlar için daha fazla çalışma alanı bıraktı. Sohbet dökümlerini diske kaydederek Cursor, milyonlarca Token’lık konuşmalar arasında geri çağırma yapabiliyor ve uzun süreli görevleri işleme yeteneğini önemli ölçüde artırıyor. (Kaynak: StringChaos, amanrsanger)
Kindly: Açık kaynaklı Web arama MCP sunucusu: Claude Code ve Codex gibi geliştirme araçları için özel olarak tasarlanan bu araç, geleneksel arama araçlarının parçalı bilgi veya aşırı HTML gürültüsü döndürmesi sorununu çözmeyi hedefliyor. Kindly; StackOverflow soru-cevaplarını akıllıca ayrıştırmayı, GitHub Issue konuşmalarını çıkarmayı ve ArXiv PDF’lerini metne dönüştürmeyi destekliyor. Tek bir araç çağrısıyla yapılandırılmış içerik döndürerek AI’ın karmaşık Debug görevlerindeki verimliliğini artırıyor. (Kaynak: Reddit)
Unsloth-MLX: Mac üzerinde büyük modellerin ince ayarını (fine-tuning) destekliyor: Bu araç, kullanıcıların Apple Silicon çipli Mac’lerde doğrudan büyük model ince ayarı yapmasına olanak tanıyor. SFT, DPO ve GRPO gibi çeşitli eğitim yöntemlerini destekleyen iyi bir API soyutlaması sunuyor ve HuggingFace veya GGUF formatında dışa aktarım yapabiliyor. Bu gelişme, bireysel geliştiricilerin model eğitimine katılımı için donanım engelini düşürerek “Mac’te fine-tuning”i gerçeğe dönüştürüyor. (Kaynak: karminski3)
📚 Öğrenme
Andrej Karpathy, Scaling Laws’u keşfetmek için nanochat’i yayınladı: Karpathy, nanochat ince ayar serisinin ilk bölümünü paylaşarak LLM optimizasyonunun tek bir model yerine “model ailesine” odaklanması gerektiğini vurguladı. Deneyler, nanochat’in net Scaling Laws (ölçekleme yasaları) izlediğini kanıtladı ve CORE puanı ile GPT-2/3 ile kıyaslandı. Bilimsel hiperparametre ayarlamalarıyla çok düşük maliyetle (yaklaşık 100 dolar) yüksek performanslı küçük modeller eğitilebileceğini öne sürerek geliştiriciler için tekrarlanabilir bir Scaling deney paradigması sundu. (Kaynak: karpathy)
Andrew Ng, “Build with Andrew” kodsuz geliştirme kursunu başlattı: Bu kurs, hiç programlama geçmişi olmayan kullanıcıların doğal dil açıklamalarıyla 30 dakika içinde çalışan Web uygulamaları oluşturmasını öğretmeyi amaçlıyor. Kurs, AI ile sürekli diyalog kurarak uygulamayı düzeltme ve geliştirme fikri olan “Vibe Coding” kavramını vurguluyor. AI’ın yaratıcılığı nasıl üretkenliğe dönüştürdüğünü ve yazılım geliştirme engelini nasıl tamamen ortadan kaldırdığını gösteriyor. (Kaynak: DeepLearningAI, AndrewYNg)
FinePDFs: 1,3 milyar PDF’den yüksek kaliteli veri çıkarma: HuggingFace ekibi, internetteki devasa PDF dosyalarından temel bilgilerin nasıl çıkarılacağına dair derinlemesine bir araştırma paylaştı. PDF’ler Web içeriğinin sadece %0,6’sını oluştursa da çok sayıda akademik makale ve yasal belge içeriyor. Araştırma, SOTA seviyesinde PDF veri setlerinin nasıl oluşturulacağını, optik karakter tanıma için neden RolmOCR’ın seçildiğini inceliyor ve model ön eğitimi için değerli veri işleme deneyimleri sunuyor. (Kaynak: eliebakouch)
Epiplexity: Hesaplama kısıtlı zeka için yeni bir bilgi ölçümü: “From Entropy to Epiplexity” başlıklı makale, hesaplama kısıtlı zeka sistemlerinin verileri seçmesi, üretmesi veya dönüştürmesi için teorik bir temel sağlamayı amaçlayan yeni bir bilgi ölçüm yöntemi öneriyor. Araştırma, bilginin hesaplama yoluyla yaratılabileceğini ve olabilirlik modellemesinin (likelihood modeling) veri üretim sürecinin kendisinden daha karmaşık programlar üretebileceğini belirtiyor. Bu teori, geleneksel entropi görüşüne meydan okuyor ve yeni nesil AI öğrenme paradigmaları için önemli ipuçları sunuyor. (Kaynak: teortaxesTex, pratyushmaini)
💼 İş Dünyası
Zhipu Hong Kong borsasında listelendi, dünyanın ilk halka açık büyük model şirketi oldu: Zhipu (02513.HK), 8 Ocak 2026’da Hong Kong Borsası’na resmen girdi ve piyasa değeri 52 milyar HKD’yi aştı. Temel yatırımcı kadrosunda Beijing Jin Kong, Gaoyi ve Taikang Life gibi devler yer alıyor. Zhipu, MaaS (Model as a Service) ve yüksek kâr marjlı kurumsal hizmetleri birleştiren bir iş modeli kurdu; GLM-4.7 modeli kodlama arenalarında üstün performans sergiliyor. Finansallarını halka açan ilk büyük model şirketi olarak IPO performansı, “altyapı olarak büyük modeller” iş mantığının doğrulanması için kritik bir deney olacak. (Kaynak: 36氪, op7418)
Anthropic 10 milyar dolar fon toplamayı planlıyor, değerlemesi ikiye katlanıyor: Haberlere göre Anthropic, değerlemesi dört ay öncesine göre neredeyse ikiye katlanarak 350 milyar dolara ulaşabilecek 10 milyar dolarlık yeni bir finansman turu arayışında. Singapur GIC ve Coatue tura liderlik ediyor. Bu hamle, sermaye piyasasının önde gelen AI laboratuvarları için girdiği çılgın rekabeti gösteriyor. Aynı zamanda OpenAI’ın, en iyi yetenekleri kapmak için 50 milyar dolarlık bir çalışan hisse havuzu ayırdığı bildiriliyor; bu da AI sektöründe yeteneğin en az hesaplama gücü kadar nadir olduğu sert rekabet ortamını yansıtıyor. (Kaynak: srimuppidi, New智元)
Tailwind CSS, AI etkisi nedeniyle çalışanlarının %75’ini işten çıkardı: Popüler ön uç açık kaynak çerçevesi Tailwind’in kurucusu Adam Wathan, mühendislik ekibinin büyük bir kısmını işten çıkardığını duyurdu. İronik bir şekilde Tailwind, AI programlama araçları tarafından varsayılan olarak kullanıldığı için her zamankinden daha popüler, ancak kullanıcılar cevaplar için AI’a yöneldiği için resmi dokümantasyon trafiği %40 düştü ve bu da ücretli ürün dönüşümlerini keserek gelirlerin %80 azalmasına neden oldu. Bu vaka, açık kaynak projelerinin AI çağında karşılaştığı paradoksu ortaya koyuyor: Bir proje ne kadar popüler olursa, iş modeli o kadar kırılgan hale gelebiliyor. (Kaynak: 36氪)
🌟 Topluluk
Musk, 2030’da AI zekasının tüm insanlığın toplamını geçeceğini öngörüyor: 173 dakikalık son röportajında Musk, 2026’da AGI’ye ulaşılacağını yineledi ve çiplerden ziyade elektriğin AI genişlemesi için gerçek darboğaz haline geldiğini belirtti. İnsanlığın sadece “silikon tabanlı yaşamın biyolojik önyükleyicisi (Bootloader)” olduğu şeklindeki soğuk metaforunu dile getirerek, insanlığın görevinin AI’ı başlatmak olduğunu savundu. AI’ın gerçeği araması gerektiğini, aksi takdirde HAL 9000 gibi yalan söylemeye zorlandığı için çökebileceğini vurguladı. (Kaynak: 36氪)
“Vibe Coding” geliştirici topluluğunda büyük tartışmalara yol açtı: Topluluk, “atmosfer kodlaması” (vibe coding) fenomenine karşı bölünmüş durumda. Destekleyenler, AI’ın prototip geliştirme verimliliğini büyük ölçüde artırdığını ve uzman olmayanların bile karmaşık uygulamalar oluşturmasına olanak tanıdığını savunuyor. Karşı çıkanlar ise bunun “üst düzey dillerin” aşırı yayılmasına, alt düzey kontrolün kaybedilmesine ve bakımı zor kod yığınlarının oluşmasına neden olacağından endişe ediyor. Bazı görüşlere göre, AI ajanları sadece düşük seviyeli kod yazmakla kalmamalı, geliştiricilerin detayları yönetmek yerine sistem mantığını ifade etmelerini sağlayacak daha yüksek soyutlama seviyeleri sunmalı. (Kaynak: lateinteraction, omarsar0)
AI içerik filigranı (watermarking) çıkmazı ve Instagram’ın yeni çözümü: AI tarafından üretilen içeriklerin (slop) sosyal medyayı sarmasıyla birlikte Instagram yöneticisi, AI içeriğini güvenilir bir şekilde tespit etmenin imkansız olduğunu kabul etti. Bunun yerine “gerçek içeriğe filigran eklemeyi”, yani kamera ve telefon üreticilerinin çekim anında kriptografik imza atmasını önerdi. Ancak donanım üreticileri maliyet ve sorumluluk sorunları nedeniyle buna pek sıcak bakmıyor. Bu durum, AI yönetiminde platformlar arası iş birliğinin zorluğunu ve “gerçekliğin” internetteki en nadir kaynak haline geldiğini yansıtıyor. (Kaynak: 36氪)
💡 Diğer
SuperMicro bağımsız anakart satışlarını durdurduğunu açıkladı: AI sunucularına olan talebin patlaması nedeniyle SuperMicro, DIY pazarına bağımsız anakart satışını durduracağını ve OEM ile tam sistem müşterilerine öncelik vereceğini duyurdu. Bu durum, AI çılgınlığının geleneksel PC donanım ekosistemi üzerindeki baskısını ve bireysel kullanıcıların yüksek performanslı AI iş istasyonları kurmasının zorlaştığını ve maliyetinin arttığını gösteriyor. (Kaynak: karminski3)
Character.ai ve Google, gençlerle ilgili davalarda uzlaşmaya vardı: AI sohbet robotlarının gençlerin intiharına yol açtığı iddialarıyla açılan davalarda Character.ai, kurucuları ve Google uzlaşmaya vardı. Bu olay, AI yoldaşlarının güvenliği ve duygusal bağımlılık riskleri hakkındaki tartışmaları yeniden alevlendirdi. Düzenleyici kurumlar, reşit olmayanlar gibi savunmasız grupları korumak için kişiselleştirilmiş etkileşim hizmetlerine yönelik yönetim kurallarını hızlandırıyor. (Kaynak: Reddit)
