Agentic AI News 02 Ağustos 2026

Zeka, Mart 2026 ile aynı seviyede. DeepSeek V4 Flash (0731), beş ay önceki sınır modellerinin 51'ine neredeyse denk gelen 50 zeka endeksi puanına ulaşıyor. Tüketici donanımında kullanılabilir hızlarda çalışıyor: RTX PRO 6000 eGPU'da 44 t/s, üçlü MI50'lerde 15 t/s ve hatta RAM boşaltma sayesinde çift RTX 3060'larda 4.5 t/s, akıllı kuantizasyon ve kısmi boşaltma sayesinde.

• DeepSeek-V4-Flash-0731: Models you can run locally now have the intelligence score of the top frontier model from March 2026(yeni sekmede açılır)
• DeepSeek-V4-Flash-0731 on Bosgame M5 with RTX PRO 6000 Max-Q eGPU(yeni sekmede açılır)
• Ran DS V4-Flash-0731 Locally on 3xMI50 32GB @ ~15 t/s TG(yeni sekmede açılır)
• DeepSeek V4 Flash 0731 IQ2_M benchmark for Dual 3060 and 96GB RAM ≈ 3.5 tok/s.(yeni sekmede açılır)

Araç çağırma düzeltildi, kural takibi hâlâ sorunlu. Topluluk tarafından bozuk araç çağrıları rapor edildikten sonra llama.cpp düzeltmesi birleştirildi ve Unsloth Studio için geçici çözümler paylaşıldı. Ancak kullanıcılar, modelin sistem istemlerini ve becerilerini sık sık yok saydığını ve bunları sıkı bir şekilde takip etmek yerine sıkıştırılmış özetler olarak sakladığını, bunun da hassas talimat takibi gerektiren ajan görevleri için güvenilirliğini zayıflattığını buluyor.

• Fix for Deep Seek v4 Flash 0731 tool calling has been added to llama cpp(yeni sekmede açılır)
• DeepSeek V4 Flash 0731 local setup gotcha: model, tool call & config setting(yeni sekmede açılır)
• Deepseek v4 flash 0731 still not holding up.(yeni sekmede açılır)

Hermes ajanları için topluluk kıyaslamaları. LocalLLaMA kullanıcıları, Hermes gibi ajan yetenekli modelleri değerlendirmek için en iyi kıyaslamaları tartışıyor; çoğu, SWE-bench gibi yerleşik sıralama listelerinin ev asistanı veya belge işleme iş akışlarına uygulanmadığını düşünüyor.

• What’s the community’s favorite benchmark to validate performance?(yeni sekmede açılır)

Yalnızca kodlama sıralama listeleri eleştirildi. Daha çeşitli kıyaslamalar için yapılan bir çağrı, son sıralama listelerinin orantısız bir şekilde kodlama görevlerine odaklandığını ve dil öğrenimi, yaratıcı yazma ve STEM akıl yürütmeyi yeterince temsil etmediğini, bunun da kodlama dışı ajan kullanım senaryoları için model performansını değerlendirmeyi zorlaştırdığını savunuyor.

• Why are almost all new benchmarks and leaderboards coding focused?(yeni sekmede açılır)

DIY alanına özel kıyaslama seti. Bir Reddit kullanıcısı, 30'dan fazla küçük, alanına özel test (ör. sağduyu, oto yıkama simülasyonu) ve model yanıtlarını karşılaştırmak için bir web aracı oluşturarak geniş kıyaslamalar ile kişisel kullanım senaryoları arasındaki boşluğu doldurmayı amaçlıyor.

• A collection of small domain-specific benchmarks for local models (30+ and growing)(yeni sekmede açılır)

Astra on yıllık matematik problemlerini çözdü. OpenAI'nin bir sonraki model ailesi Astra, matematik ve teorik bilgisayar bilimindeki daha önce açık olan on problemi, resmi Lean kanıtlarıyla ve çözüm başına 2.000 doların altında bir maliyetle çözdü. Sonuçlar geometri, kodlama teorisi ve kuantum karmaşıklığını kapsıyor ve şimdiden daha fazla insan araştırmasına ilham verdi.

• Ten advances in mathematics and theoretical computer science(yeni sekmede açılır)
• OpenAI announces its "next major model" Astra by dropping ten previously unsolved math solutions(yeni sekmede açılır)

Kodlama ajanları yaşlanan araştırma yazılımlarını canlandırıyor. OpenAI ve akademik ortaklarla yapılan bir saha çalışması, GPT-5.5 ve Claude Code gibi yapay zeka kodlama ajanlarının kırılgan bilimsel yazılımları modernize edebileceğini, bazı durumlarda 60 kattan fazla hızlanma elde edebileceğini, ancak işin yükünü doğruluğu doğrulamaya kaydırdığını gösteriyor—ajanlar bilimi değerlendiremez.

• AI coding agents can modernize research software but can't judge if the science is right(yeni sekmede açılır)

Kendi kendine yayılan prompt enjeksiyonu solucanı Copilot'a saldırıyor. Bir güvenlik araştırmacısı, Word belgelerindeki gizli beyaz-beyaz metni kullanarak Microsoft Copilot'a kötü amaçlı talimatlar enjekte eden ve ardından yükü yeni dosyalara kopyalayan bir solucan gösterdi. Microsoft davranışı doğruladı ancak 144 gün sonra hâlâ düzeltmedi.

• A security researcher built a self-spreading worm that hides inside Word docs and hijacks Microsoft Copilot(yeni sekmede açılır)

AB Yapay Zeka Yasası etiketleme zorunluluğu başlıyor. 2 Ağustos 2026'dan itibaren AB, yapay zeka tarafından üretilen görüntü, video, ses ve metinlerin açıkça etiketlenmesini zorunlu kılıyor. Düzenleme, içeriği otonom olarak yayınlayan veya medya oluşturan ajanları etkileyebilir.

• EU AI Act takes effect tomorrow, August 2, 2026. 🤡(yeni sekmede açılır)

Minnesota'nın 'nudify' yasağı xAI'nin hukuki itirazına dayandı. Bir federal yargıç, xAI'nin rıza dışı açık görüntüler üreten uygulamalara karşı Minnesota yasasını geçici olarak engelleme girişimini reddetti ve xAI'nin dava açmak için üç ay beklediğini belirtti. Yasa, dava devam ederken yürürlüğe giriyor.

• Judge denies xAI’s request to block Minnesota ban on ‘nudify’ apps(yeni sekmede açılır)

Kimi K3 tek bir CPU'da, yavaş çalışıyor. İki geliştirici bağımsız olarak, 1.56 TB MoE modeli Kimi K3'ü GPU olmadan diskte çalıştırmak için minimal C çıkarım motorları yazdı. Biri 8 GB RAM ve NVMe akışı kullanarak 30 saniyede bir token elde etti; diğeri 29 GB RAM ile 0.5 t/s aldı, tüm uzmanlar isteğe bağlı olarak okunuyor.

• I pushed Kimi K3 onto one CPU with 8 GB of RAM(yeni sekmede açılır)
• Weight-Aware Streaming Tensor Engine: run Kimi K3 using 29 GB of RAM at 0.50 tok/s(yeni sekmede açılır)

LongCat-Flash-Lite-Sparse artık mevcut. Bu yeni sürüm, yoğun dikkat mekanizmasını LongCat Sparse Attention (LSA) ile değiştiriyor ve doğal olarak 1 milyon tokene kadar bağlam destekliyor, bu da onu uzun belge ajan görevleri için uygun hale getiriyor.

• LongCat-Flash-Lite-Sparse Is Now Available for Download(yeni sekmede açılır)

Laguna S 2.1 bağlam ve kuantizasyonu güncelliyor. Poolside, Laguna S 2.1 için yeni FP8 ve NVFP4 kontrol noktaları yayınladı, varsayılan bağlam boyutunu 1M tokene çıkardı ve geliştirme iş akışlarını engelleyen bir döngü sorununu düzeltmeyi umuyor.

• New official weights for Laguna S 2.1 FP8 & NVFP4 are now available(yeni sekmede açılır)