Anahtar Kelimeler：AGI, DeepMind, AI yarışması, özerk sorgulama yeteneği, dünya modeli, Transformer orijinal mimarisi
🔥 Odak Noktası
DeepMind CEO’su AGI Evriminin Dört Hesabını Analiz Ediyor: Demis Hassabis yaptığı röportajda, AGI’nin çekirdeğinin ölçeksel bir ortaya çıkışta (emergence) değil, AI’nın “kendi kendine soru sorma” ve “dünya modeli” (world model) yeteneklerine sahip olmasında yattığını belirtti. Gelecekte zekanın enerjiye eşdeğer olacağını vurgulayan Hassabis, DeepMind’ın AI aracılığıyla nükleer füzyon gibi yeni enerji çözümleri aradığını ifade etti. Ayrıca, Çinli laboratuvarların replikasyon yeteneğinde sadece birkaç ay geride olduğunu, asıl rekabetin Transformer benzeri orijinal mimari atılımların gerçekleştirilip gerçekleştirilemeyeceğinde olduğunu düşünüyor. Bu, AI yarışının saf performans rekabetinden enerji verimliliği, ticari fizibilite ve yerli inovasyon yeteneğinin kapsamlı bir mücadelesine dönüştüğünü gösteriyor (Kaynak: )
OpenAI Reklam Modeli ve Ticari Katmanlaşma Evrimini Test Ediyor: OpenAI, ChatGPT’de reklamları test ettiğini ve 8 dolarlık düşük fiyatlı abonelik paketi “ChatGPT Go”yu başlattığını duyurdu. Bu hamle, “reklam + abonelik” hibrit modeli aracılığıyla %95’lik ödeme yapmayan kullanıcı kitlesinin değerini ortaya çıkarmayı ve trilyon seviyesindeki hesaplama maliyeti baskısını hafifletmeyi amaçlıyor. Reklamlar, metin sonunda “diyalog düğümleri” şeklinde görünecek ve kullanıcıların takip soruları sormasını destekleyecek. Bu, AI yerel uygulamalarının arama ve sosyal medya platformlarının izlediği para kazanma yolunu takip ederek, 830 milyar dolarlık değerleme beklentisi altında sürdürülebilir bir trafik dağıtım platformu oluşturmaya çalıştığını gösteriyor (Kaynak: OpenAI)
NVIDIA “Acqui-hiring” Yoluyla Physical AI ve Çıkarım Ekosistemi İnşa Ediyor: Jensen Huang, 2025 yılında Nexusflow, CentML, LeptonAI ve Groq gibi startup şirketlerini satın alarak çekirdek ekipleri bünyesine kattı. Bu hamleler, NVIDIA’nın AI Agent, model sıkıştırma, bulut hesaplama kiralama ve yüksek hızlı çıkarım (inference) alanlarındaki eksikliklerini hassas bir şekilde giderdi. Özellikle Çinli girişimci ekiplere olan ilgi, NVIDIA’nın “çip satmaktan” “sistem satmaya” dönüştüğünü, yazılım araç zincirini ve alt yapı mimarisini kontrol ederek küresel AI hegemonyasını sürdürmeye çalıştığını gösteriyor (Kaynak: 量子位)
Zhipu’nun Halka Arzı ve Çin Üniversitelerindeki AI Sonuçlarının Ticarileşme Etkisi: Zhipu, Hong Kong borsasında halka arz edildikten sonra piyasa değeri 110 milyar HKD’yi aştı. Kökeni Tsinghua Üniversitesi KEG laboratuvarına dayanan bu vaka, “sanayi-üniversite-araştırma” derin iş birliğinin muazzam gücünü sergiliyor. Tsinghua Üniversitesi, Huakong teknoloji platformu aracılığıyla milyarlarca HKD tutarında kağıt üzerinde getiri elde etti. Bu sadece girişim sermayesi dünyasında süper bir çıkış (exit) vakası değil, aynı zamanda Çin’in teknoloji girişimciliğinin “üniversite odaklı” bir döneme girdiğini ve orijinal inovasyonun laboratuvardan sermaye piyasasına geçişinin hızlandığını gösteriyor (Kaynak: 投资界)
🎯 Gelişmeler
DeepSeek, O(1) Arama Belleği Sunan Engram Mimarisini Yayınladı: DeepSeek, modernize edilmiş bir hash N-gram embedding aracılığıyla O(1) karmaşıklığında arama belleği sağlayan Engram adlı yeni bir modül tanıttı. Mekanik yorumlanabilirlik çalışmaları (LogitLens ve CKA), Engram’ın modelin orta katmanlarındaki bellek depolama yükünü etkili bir şekilde hafiflettiğini ve katmanların mantıksal akıl yürütmeye (reasoning) daha fazla odaklanmasını sağladığını gösteriyor. Mekanik yorumlanabilirlik araştırmalarının yetenek geliştirmeye uygulanması, topluluk tarafından AI mimari araştırmalarında önemli bir paradigma değişimi olarak görülüyor (Kaynak: Lisan al Gaib)
Google AI Matrisi Kapsamlı Güncelleme ve Personal Intelligence Beta Sürümü: Google, Gemini App içinde kullanıcıların Gmail ve Photos hesaplarına bağlanarak özelleştirilmiş yanıtlar almasına olanak tanıyan Personal Intelligence Beta sürümünü başlattı. Aynı zamanda 55 dil çiftini destekleyen TranslateGemma çeviri modeli, 3D tıbbi görüntüleme çıkarımını geliştiren MedGemma 1.5 ve Veo 3.1’in 4K video upsampling özelliği yayınlandı. Google, tüm ürün hattına AI entegre ederek ve geniş kullanıcı ekosistemini kullanarak rakiplerine karşı üstünlük kurmaya çalışıyor (Kaynak: JeffDean)
Qwen 4 Ar-Ge Ritmi Model Kalitesine Odaklanmak İçin Yavaşlıyor: Alibaba Qwen ekibi lideri, sadece yayın frekansını kovalamak yerine kalite artışına odaklanmak için “yavaşlayacaklarını” belirtti. Topluluk söylentilerine göre Qwen 3.5 dahili olarak milyonlarca seviyesinde bir context window (bağlam penceresi) gerçekleştirdi. Bu stratejik ayarlama, hesaplama kaynaklarının kısıtlı olduğu bir ortamda, Çin’in önde gelen model ekiplerinin “ölçek yakalamaktan”, “mükemmel mühendislik verimliliği” ve “uzun metin akıl yürütme derinliği”ne odaklandığını yansıtıyor (Kaynak: Reddit)
Sakana AI, Uzun Metin Dikkatini Optimize Etmek İçin RePo Mekanizmasını Önerdi: Sakana AI, modelin giriş dizisindeki 1-2-3 şeklindeki katı sıralamaya olan bağımlılığını kıran bir Context Relocation (RePo) mekanizması tanıttı. RePo, bağlam yapısına göre konumları öğrenebilir ve bilgiler arasındaki gerçek ilişkileri yakalayabilir. Deneyler, bu mekanizmanın gürültülü uzun girişleri işlerken modelin dikkat israfını önemli ölçüde azalttığını ve aynı zamanda güçlü kısa metin performansını koruduğunu göstererek uzun bağlam akıl yürütmesi için yeni bir fikir sunuyor (Kaynak: TheTuringPost)
🧰 Araçlar
Claude Code ve Codex Arasındaki Geliştirici Deneyimi Rekabeti: Geliştiriciler, Codex’in CLI araç zincirinin biraz kaba olmasına rağmen, modelinin kod yazma sağlamlığı ve büyük Token işleme konusunda daha avantajlı olduğunu; Claude Code’un ise genel görev yürütme ve etkileşim deneyiminde daha üstün olduğunu keşfetti. Toplulukta, her ikisinin de güçlü yönlerini birleştirmek amacıyla Claude Skills’i Codex’e yansıtan scriptler ortaya çıktı. Bu “Vibe Coding” kültürünün yükselişi, bireysel geliştiricilerin iş akışlarını yeniden şekillendiriyor (Kaynak: dotey)
Claude Code Tabanlı Finansal Otomasyon Çerçevesi Uygulaması: Bir geliştirici, Claude Code ve eklenti sistemini kullanarak aylık muhasebe süresini 3 günden yarım güne indiren bir finansal agent’ın nasıl inşa edileceğini gösterdi. Subagent’lar aracılığıyla fatura girişi (2 saatten 2 dakikaya) ve banka mutabakatı (yarım günden 5 dakikaya) gerçekleştirildi. Bu vaka, LLM agent’larının finans ve hukuk gibi dikey uzmanlık alanlarında uygulanmasının çok yüksek bir ROI sağladığını kanıtlıyor (Kaynak: dotey)
Temple Bridge: Dosya Sistemi Tabanlı Yerel AI Bellek Katmanı: Yerel LLM’lerin durum kaybı sorununa yönelik olarak geliştiriciler Temple Bridge MCP sunucusunu inşa etti. Bu sunucu, dosya sistemi dizin yapısını AI’nın bellek taşıyıcısı olarak kullanıyor ve tehlikeli komutları yürütmeden önce bir “yönetişim protokolü” aracılığıyla insan onayı istiyor. Bu “dosya sistemi devre gibidir” paradigması, karmaşık vektör veritabanı bakımından kaçınarak Apple Silicon kullanıcılarına %100 çevrimdışı ve “vicdanlı” bir AI asistanı sağlıyor (Kaynak: Reddit)
LlamaParse + Claude Agent SDK ile Karmaşık Form Doldurma: Geliştiriciler, makbuz taramaları gibi yapılandırılmamış belgelerden otomatik olarak bilgi çıkaran ve karmaşık formları dolduran bir AI Agent yayınladı. Bu araç, LlamaParse’ın belge ayrıştırma yeteneğini Claude’un anlamsal anlayışıyla birleştirerek çok turlu diyalog düzeltme ve çoklu dosya eşzamanlı işlemeyi destekliyor. Bu, RAG alanındaki “belgeden eyleme” giden son kilometre sorununu çözüyor (Kaynak: jerryjliu0)
📚 Öğrenme
MIPRO: Çoklu İstem Talimatı Öneri Optimize Edici: Stanford ve diğer kurumlardan yapılan araştırmalar, istemleri (prompts) otomatik olarak optimize edebilen ve manuel olarak tasarlanmış istemlerden %13 daha yüksek performans gösteren MIPRO çerçevesini sergiledi. MIPRO, Bayesyen optimizasyon ve LLM örneklemesi yoluyla karmaşık görevlerde en uygun talimat kombinasyonunu arıyor. Bu, “Prompt Engineering”in manuel süreçlerden algoritma otomasyonuna doğru hızla evrildiğini gösteriyor (Kaynak: dl_weekly)
GU: Geometrik Ayrıştırılmış Unutarak Öğrenme ile Yan Etkileri Giderme: Modelin “zararlı bilgileri unuturken yararlı bilgilere yanlışlıkla zarar vermesi” sorununa yönelik olarak araştırmacılar GU algoritmasını önerdi. Birinci dereceden gradyan analizi yoluyla, unutma güncellemeleri dikogonal bileşenlere ayrıştırılarak mevcut bilginin etkilenmemesi provably (ispatlanabilir şekilde) garanti ediliyor. Bu algoritma TOFU ve MUSE gibi veri setlerinde Pareto iyileştirmesi sağlayarak LLM’lerin güvenlik hizalaması ve gizlilik silme işlemleri için matematiksel bir güvence sunuyor (Kaynak: mmitchell_ai)
Kendi Kendine Öğrenen AI Mühendisi Yol Haritası ve “Alan Arbitrajı”: Topluluk, gayrimenkul sektöründen AI alanına geçişin başarılı yolunu paylaştı. Temel görüş, AI teknolojisini belirli endüstri uzmanlığıyla birleştiren “alan arbitrajı”nı kullanmaktır. Öğrenme kaynakları, LangChain projelerinden başlamayı ve temel matematiğe takılıp kalmak yerine endüstrinin acı noktalarını gerçekten çözen uygulamalar (CondoGPT gibi) inşa ederek güvenilirlik kazanmayı vurguluyor. Bu, teknik kökenli olmayanlar için pratik bir dönüşüm rehberi sunuyor (Kaynak: LangChain)
💼 İş Dünyası
OpenAI Çalışan Geçmişi Araştırması Seçkin Üniversite Tekelini Ortaya Çıkarıyor: Veriler, OpenAI çalışanlarının Stanford (230 kişi), Berkeley (151 kişi) ve MIT (100 kişi) üniversitelerinde yoğunlaştığını gösteriyor. Bu üç okulun mezunları toplam çalışan sayısının %13’ünden fazlasını oluşturuyor. Sam Altman “diplomanın önemsizliğini” savunsa da, OpenAI’ın gerçekte inşa ettiği koruma kalkanı (moat), küresel çapta en iyi bilgisayar bilimleri okullarının yetenekleri üzerindeki aşırı tekelidir ve bu durum kendi kendini güçlendiren bir elit geri bildirim döngüsü oluşturmaktadır (Kaynak: 36氪)
Anthropic’in Geliştirici Hesaplarını Engellemesi Açık Kaynak Topluluğunun Protestosuna Yol Açtı: Tanınmış geliştirici Doodlestein, açık kaynak Agent araçları geliştirdiği için 22 Max hesabının Anthropic tarafından engellendiğini ifşa etti. Her ay binlerce dolar abonelik ücreti ödemesine ve yüksek kaliteli RL verisi sağlamasına rağmen bu muameleyle karşılaştı. Bu olay, AI devlerinin geliştiricileri kullandıktan sonra dışlaması ve ekosistem üzerindeki aşırı kontrolü hakkında yaygın şüphelere yol açtı; bazı geliştiriciler OpenAI veya yerel modellere yöneleceklerini belirtti (Kaynak: doodlestein)
Zhipu’nun Halka Arz Sonrası Piyasa Değeri Patlaması ve Ticari Bahisler: Zhipu’nun piyasa değeri, halka arzdan sonraki bir hafta içinde Didi ile olan stratejik iş birliği ve GLM-Image açık kaynak modelinin listelerde üst sıralarda yer almasıyla 50 milyardan 110 milyar HKD’ye fırladı. Aralarında Alibaba, Tencent, Meituan ve yerel devlet fonlarının da bulunduğu 80’den fazla hissedar muazzam kağıt üzerinde getiriler elde etti. Bu, yerli büyük modellerin “finansman yarışından” “ikincil piyasa değerleme gerçekleşmesine” geçişteki kritik dönüm noktasını işaret ediyor (Kaynak: 投资界)
🌟 Topluluk
AGI Bolluk Vizyonu ve Yeni Feodalizm Üzerine Sosyal Tartışma: Topluluk, Elon Musk’ın “AGI sonrası bolluk” ve George Hotz’un “Yeni Feodalizm” görüşlerini hararetle tartışıyor. Destekçiler AI’nın kıtlığı ortadan kaldıracağına inanırken, karşıtlar sermaye gücünün AI aracılığıyla daha da kemikleşeceğinden ve nüfusun %99’unun kalıcı bir alt sınıfa dönüşeceğinden endişe ediyor. Bu tartışma, teknolojik tekillik yaklaşırken insanlığın sosyal sözleşmenin yeniden yapılandırılmasına dair derin kaygılarını yansıtıyor (Kaynak: Reddit)
ChatGPT Reklamlarının Yol Açtığı “Deneyim Erozyonu” Tepkisi: Reddit topluluğu OpenAI’ın reklam getirmesine sert tepki gösterdi; bir kullanıcı şaka yollu AGI’nin “Reklamla Üretilen Gelir” (Ad Generated Income) anlamına geldiğini söyledi. Kullanıcılar genel olarak AI asistanının “didaktik” ve “üstten bakan” yanıtlarından rahatsızlık duyuyor ve ticari baskının başlangıçta saf olan etkileşimi hantal ve yapay hale getirdiğini düşünüyor. Bazı Plus kullanıcıları Perplexity’ye veya yerel kuruluma geçmeyi düşünmeye başladı (Kaynak: Reddit)
AI Enerji Tüketiminin “Hamburger Dükkanı” ile Karşılaştırılması Çevresel Tartışma Yarattı: AI veri merkezlerinin su ve elektrik tüketimine yönelik eleştirilere karşılık yapılan bir analiz, en büyük AI veri merkezinin su kullanımının sadece 2,5 adet In-N-Out hamburger dükkanına eşdeğer olduğunu belirtti. Bu karşılaştırma sosyal medyada viral oldu; destekçiler AI’nın çevresel tehdidinin abartıldığını savunurken, eleştirenler bunun endüstriyel tüketim ile sivil tüketim arasındaki temel farkı bulanıklaştırdığını düşünüyor (Kaynak: AymericRoucher)
Geliştiricilerin AI İş Birliğindeki “Flow State” ve Verimlilik Yabancılaşması: Birçok programcı, Claude Code gibi araçların yardımıyla gece saat 4’te uyanıp kod yazacak kadar derin bir “akış hali” (flow state) yaşadıklarını paylaştı. Ancak, bu “7/24 Agent çalıştırma” baskısına karşı uyaran görüşler de var; bunun insan emeğinin yabancılaşmasına yol açabileceğini ve geliştiricileri “yaratıcı”dan “AI kuyruğu denetçisi”ne indirgeyebileceğini savunuyorlar (Kaynak: blader)
💡 Diğer
Boston Dynamics Atlas Raf Operasyonları ve Katlanma Evrimini Gerçekleştirdi: Son video, elektrikli Atlas robotunun sadece yürümekten, karmaşık raf düzenleme, lastik çevirme ve hatta Spot robot köpek gibi katlanarak depolanabilme yeteneğine evrildiğini gösteriyor. Bu, insansı robotların laboratuvardaki “akrobasi gösterilerinden” endüstriyel lojistikteki “gerçek operasyonlara” geçişini hızlandırdığını işaret ediyor (Kaynak: Ronald_vanLoon)
Yunpeng Technology AI+Sağlıklı Akıllı Mutfak Yeni Ürününü Tanıttı: Yunpeng Technology, AI sağlık büyük modeli ile donatılmış akıllı buzdolabını sergiledi ve “Sağlık Asistanı Xiaoyun” aracılığıyla kişiselleştirilmiş beslenme yönetimi sundu. Bu, AI’nın saf dijital etkileşimden fiziksel yaşam alanına sızdığını ve ev aletleri terminalleri aracılığıyla sakinlerin sağlık verilerinin kapalı döngü yönetimini gerçekleştirdiğini gösteriyor (Kaynak: 36氪)
MIT “İsteğe Bağlı Şekillendirme” İçin Deforme Edilebilir 3D Yapılar Geliştirdi: MIT araştırmacıları, tek bir çekme kuvvetiyle anında karmaşık 3D formlara dönüşebilen düz bir yapı geliştirdi. Malzeme bilimi ve geometrik algoritmaların bu birleşimi, gelecekte konuşlandırılabilir uzay yapıları, tıbbi implantlar ve yumuşak robotların hızlı üretimi için yeni bir yol sunuyor (Kaynak: Ronald_vanLoon)