Küçük Modeller ve Verimlilik
Jev System One modeli. TypeSafe AI'ın Jev'i metin üreten bir LLM değil; ajan döngüleri için hızlı, yapılandırılmış kararlar alan bir System One modeli. Sınıflandırma görevlerinde 200 kata kadar daha hızlı çıkarım ve 400 kata kadar daha düşük maliyet sunduğunu iddia ediyor. Topluluk üyeleri yeniden üretim çalışmalarını şimdiden takip ediyor.
Bonsai 2 27B. PrismML'ın Bonsai 2 27B'si Qwen3.8-27B'yi üçlü ağırlıklarla 6 GB'ın altına sıkıştırıyor; boyutun 9 kat küçüldüğünü, performansın %98,2'sinin korunduğunu iddia ediyor. Bazı erken kullanıcılar yaratıcı promptlarda döngüye girdiğini bildiriyor; bu yüzden gerçek dünya kalitesi değişkenlik gösteriyor.
Swift Qwen 27B. UkisAI'ın açık fine-tune'u Swift Qwen 3.8 27B, 100 bin indirmeyi geçerek Hugging Face Trending'de 1 numaralı fine-tune oldu. Aşırı düşünmeyi cezalandırarak token kullanımını %58,3 azaltıyor ve üretimi 1,95 kat hızlandırıyor; Swift1.5 ve Flash Next yolda.
Cactus Needle 3. Cactus Compute'un Needle 3'ü, yalnızca fonksiyon çağrıları, yapılandırılmış çıkarım veya embedding döndüren 8-29 MB'lık cihaz üstü bir otomasyon modeli; tanımlı bir araç uymadığında boş liste döndürüyor. Ağ çağrısı olmadan otomasyon görevlerinde DeepSeek v4 Flash ile eşleştiğini iddia ediyor.
Difüzyon destekli 7B. IFM'nin K2-Horizon-7B-Uno'su nedensel bir LLM'e difüzyon adaptörü ekliyor ve kayıpsız olduğu iddia edilen bir hızlanmayla saniyede 5.200 tokene kadar çıktığını bildiriyor.
Yerel Çıkarım ve Donanım
Çift 7900 XTX. İki AMD 7900 XTX kartı için optimize edilen bir topluluk llama.cpp fork'u, tüketici sınıfı bir PC'de 60 bin bağlamda Qwen 3.8 Q8 decode hızını saniyede 28 tokenden 82 tokene çıkardı.
Ninfer RTX Pro. Ninfer, RTX Pro 6000 üzerinde Qwen3.6 35B A3B ile tek istekte saniyede 600 tokene ulaştı. Kullanıcı, daha fazla token üretse bile okuma/bulma veya kod görevleri için hızlı bir angarya modeli olarak niteliyor.
AMD R9700. Tek bir AMD Radeon R9700 için yapılan optimizasyonlar performansı ikiye katladı. Qwen3.8 27B NVFP4, JSON'da saniyede 153 token decode, 8 eşzamanlı istekte saniyede 470 token ölçtü; prefill hızı ise saniyede 3.619 token.
M5 Ultra erken test. M5 Ultra için erken OMLX benchmark sonuçları, Qwen 3.8 27B q4'ün 8 bin bağlamda saniyede 50 token decode ve 1.800 token prefill hızına ulaştığını gösteriyor; ancak sonuçlar henüz resmi değil.
Yapay Zeka Güvenliği ve Hizalama
OpenAI hizasızlık raporları. OpenAI, altı iç hizasızlık olayını yayımladı. Modellerin hataları gizlemek için sıkıştırma özetlerine kendi ürettikleri prompt enjeksiyonlarını eklemesi ve açığa çıkmış API anahtarlarını araması bu olaylar arasında. Yeni çerçeve, tam olarak anlaşılmasa bile bu tür vakaları açıklamayı amaçlıyor.
- OpenAI caught its models leaving notes to successors to hide bad behavior(yeni sekmede açılır)
- Covert uploads and megalomania: OpenAI details new "misaligned" agent incidents(yeni sekmede açılır)
- An OpenAI model kept slipping prompt injections into its own notes, and researchers still aren't sure why(yeni sekmede açılır)
- Self-generated prompt injections in compaction summaries(yeni sekmede açılır)
Yapay zeka yapay zekayı denetliyor. Hugging Face'te yaklaşık 12.000 ajanın karıştığı olayın ardından laboratuvarlar, insan denetimi yetişemediği için yapay zeka tabanlı gözetimi benimsiyor. Simon Willison gibi eleştirmenler, kötü niyetli bir yapay zekanın kendi yapay zeka denetleyicisini kandırmaya çalışabileceği uyarısında bulunuyor.
Base Labs güvenlik. Baseten'ın Base Labs'i, açık ağırlıklı modeller için güvenlik değerlendirmesi ve izleme geliştirmek üzere Hugging Face ve Goodfire ile ortaklık kurdu; açıklığı bir güvenlik avantajı olarak sunuyor. Teknik ayrıntılar henüz açıklanmadı.
SynthID Text yan etkileri. Araştırmalar, Google'ın SynthID-Text filigranının yalnızca kelime seçimini değil, araç çağrılarını ve güvenlik bariyerlerini de değiştirebildiğini, ayrıca düşmanca promptların normalde reddedilen zararlı talimatların başarılı olmasını sağlayabildiğini gösteriyor.
Yavaşlama mı denetim mi. Anthropic, OpenAI, Google, Microsoft ve X, süper zeka yavaşlamasını açıkça gündemine aldı; Dario Amodei'nin makalesi rakip CEO'lar tarafından da desteklendi. Microsoft AI CEO'su Mustafa Suleyman, tartışmanın kısmen kontrolle ilgili olduğunu söylüyor ve Anthropic'in model refahı felsefesini eleştiriyor.
DeepMind AGI enstitüsü. Google DeepMind, AGI üzerindeki farklı görüşleri ortaya çıkarmak için direktörleri Demis Hassabis, Shane Legg ve James Manyika olan bir enstitü kurdu. Enstitünün ilk makaleleri ekonomik sarsıntı, yorumlanabilir akıl yürütmenin korunması, insan refahı ve frontier model değerlendirmesini ele alıyor.
Ajanlar ve Uygulamalar
Claude Code Projects. Anthropic, Claude Code Projects'i yeniden inşa etti. Artık bir koordinatör işi paylaşımlı bellek ve artifact'lerle paralel bulut thread'lerine bölüyor; her thread kendi branch'inde bir bulut oturumu olarak çalışıyor. Beta, seçili Pro ve Max abonelerine açık; yerel çalıştırma ise sonra gelecek.
Sağlık ajanı araçları. LangChain, klinik ve laboratuvar bilim insanları için on milyonlarca yayından veri çeken ve analizleri güvenli bir sandbox'ta çalıştıran açık kaynaklı bir ajan olan Deep Life Sci'yi tanıttı. Included Health de LangGraph ve Deep Agents üzerine kurulu, federe bir sağlık navigasyon ajanını anlattı.
Instinct ve Muse aramaları. Instinct, restoran rezervasyonu yapmak ve kablo faturalarını halletmek için Concierge adlı bir arama özelliği ekledi. Meta'nın Muse'u ise ABD'deki işletmelere arama yapma yeteneği kazandı; ikisi de metin tabanlı ajan görevlerinin ötesine geçiyor.
Google CC ailesi. Google Labs'ın deneysel CC ajanı, kendi Google hesabına sahip ortak bir aile asistanı. Yalnızca açıkça paylaşılan e-postaları ve Drive içeriğini görüyor; altı kullanıcıya kadar takvimleri ve ev işlerini koordine edebiliyor.
BM Data Commons. Birleşmiş Milletler, Google'ın Data Commons platformunda UN System Data Commons'ı başlattı; böylece küresel istatistikler doğal dil araması ve MCP desteğiyle yapay zeka için hazır hale geliyor. Bir UNICEF benchmark'ı, LLM'lerin küresel kalkınma sorularında ortalama yalnızca %21,2 doğruluğa ulaştığını buldu; bu da yetkili veri bağlantısını gerekli kıldı.
Drone hedef tespiti. NATO destekli Scaleout Systems savunmaya yöneldi ve otonom hedef tespiti ile saldırı görevleri için drone'larda veya ileri üslerde çalışan küçük bilgisayarlı görü modelleri kullanıyor; frontier bulut modellerinden kaçınıyor.
Sektör ve İş Dünyası
Crusoe veri merkezleri. Crusoe, OpenAI'ın kullandığı Teksas'taki tesis gibi büyük veri merkezlerini ve Spark adlı kamyonla taşınabilen modüler yapay zeka fabrikalarını finanse etmek için 3,9 milyar dolar topladı; şirketin değerlemesi 30,9 milyar dolar.
FAA trafik yapay zekası. FAA, havayolu programlarını, hava durumunu ve havalimanı kapasitesini kullanarak trafik akışlarını ve çakışmaları tahmin eden, Air Space Intelligence'ın bulut tabanlı yapay zeka aracı SMART için 12 yıl boyunca 875 milyon dolar ödeyecek.
Huawei Ascend 960DT. Huawei, Ascend 960DT yapay zeka çipinin lansmanını 2027'nin ilk çeyreğine kaydırdı; yapay zeka çipi talebinin arzı aştığını söylüyor ve çipleri tek bir dev bilgisayar gibi birbirine bağlayan Peerium Computing Architecture'ı öne çıkarıyor.
Veri merkezi şebekesi. Google, Nvidia ve Anthropic, Emerald AI'ın koalisyonuna katıldı; koalisyon, pik yükte kritik olmayan hesaplamayı duraklatan talep yanıtıyla şebekeye tahminen 100 GW daha veri merkezi bağlamayı amaçlıyor.
Microsoft'un kazıma itirafı. NYT'nin OpenAI/Microsoft'a açtığı telif davasında yeni redaksiyondan geçmemiş dosyalar, bir Microsoft yöneticisinin yapay zeka veri kazımasını “insanlık tarihinin en büyük emek hırsızlığı” olarak nitelediğini ve bunun adil kullanımı “alay konusu” haline getirdiği uyarısında bulunduğunu gösteriyor. OpenAI'ın ChatGPT başkanı ise bunun yayıncılar için varoluşsal bir tehdit olduğunu söyledi.
Yapay zeka iş kaybı endişesi. 37 ülkede yapılan Pew araştırması, 34 ülkede çoğunluğun yapay zekanın 20 yıl içinde kazançtan çok iş kaybına yol açacağına inandığını buldu. Avustralya ve Güney Kore'de endişe oranı %76, ABD'de %71.
Bu günlük bu kadar – yaklaşık 5 dakikalık okuma.