Model ve Ürün Lansmanları
Qwen-Image-2.1 açık ağırlıklı sürüm. Alibaba, 7B açık ağırlıklı görsel üretim ve düzenleme modeli Qwen-Image-2.1'i yayımladı. Model, kapalı modelleri kendi kıyaslama testinde geçtiğini iddia ediyor. Qwen-Image-2.1, şeffaf RGBA görsellerini ve düzenleme için 10'a kadar referans görselini yerleşik olarak işleyebiliyor; ancak araştırma lisansı, onay alınmadan ticari kullanımı yasaklıyor.
Tencent'in Gander modeli. Tencent, Gander adlı araştırma modelini tanıttı. Model, konuşma için bir “beyincik” ve karmaşık işler için değiştirilebilir bir “beyin” kullanarak gerçek zamanlı sohbeti arka plandaki ajan görevleriyle birleştiriyor. Model, kesintileri ve aynı anda konuşma, görsel ve metin işlemeyi destekliyor; ancak testlerde görev doğruluğunda geride kaldı.
Runway'den gerçek zamanlı video. Runway, GWM-1 dünya modelini temel alan gerçek zamanlı video üretimi araştırmasını tanıttı. Bu araştırmada kullanıcılar komut verirken videoyu akış halinde izleyip kontrol edebiliyor. Amaç, kareleri tek seferde değil etkileşimli olarak üreterek bekleme süresini ve GPU maliyetlerini düşürmek.
Araçlar ve Çerçeveler
Kotlin için Google ADK. Google, ADK for Kotlin 1.0'ı yayımladı. Agent Development Kit artık Python ve Java ile özellik eşitliğine sahip; Android'de cihaz üstü ve hibrit yapay zeka desteği de eklendi. Çerçeve; hiyerarşik çok ajanlı orkestrasyon, bağlam sıkıştırma ve oturum yönetimi içeriyor.
Alibaba'dan OpenCodeReview. Alibaba, kod analizi için deterministik dosya seçimi ve kural eşleştirmeyi bir LLM ajanıyla birleştiren OpenCodeReview'ı açık kaynak yaptı. Apache-2.0 lisanslı CLI aracı, şirket içinde on binlerce geliştirici tarafından kullanıldı ve satır numarası kayması ile istem kararsızlığı gibi sorunları hedefliyor.
ZCode açık kaynak. Kodlama ajanı platformu ZCode, bildirilen güvenlik sorunlarını giderdikten sonra artık açık kaynak. Repo; masaüstü uygulaması, web çalışma alanı, arka uç, Agent CLI ve çalışma zamanını içeriyor; ayrıca yeni bir güvenlik açığı bildirim süreci ve ödülleri var.
Sistem 1 ve Karar Modelleri
Laya karar modeli. Laya, Convai Innovations'ın açık ağırlıklı, otoregresif olmayan bir “Sistem 1” modeli. Tipli karar sorularını tek bir ileri geçişte yanıtlıyor; İngilizce, çok dilli ve typed-decisions varyantlarında kontrol noktaları bulunuyor. C++ uygulaması laya.cpp, bir RTX PRO 6000 üzerinde saniyede 810 soruya kadar ulaşıyor.
Kendin yap Jev alternatifleri. Birkaç proje, sıradan açık ağırlıklı LLM'lerle Jev tarzı karar puanlamayı taklit ediyor: Bir LoRA, Qwen3.5 4B'yi tipli kararlarda 0,709'a ince ayarladı; diğerleri ise llama.cpp üzerinden aday doğrulamayı toplu yapıyor ya da logprobs ile n_predict=1 kullanıyor. Bu yaklaşımlar, ayrı sınıflandırıcı başlıkları olmadan Jev'i yakalamayı amaçlıyor.
Yerel Ajanlar ve Donanım
Qwen 3.8 27B ajan döngüsü. Qwen 3.8 27B tabanlı yerel bir ajan döngüsü, tek bir RTX 3090 üzerinde yaklaşık üç hafta boyunca büyük ölçüde gözetimsiz çalıştı ve yalnızca 12 insan mesajıyla bir CUDA çıkarım motoru geliştirdi. Sıkıştırma 83 saat harcadı; ancak bu deney, performans açısından henüz bir kazanç olmasa da uzun ufuklu yerel ajan çalışmasının mümkün olduğunu gösterdi.
mini-AGI sürekli öğrenme. mini-AGI, 8 GB VRAM'li bir dizüstü bilgisayarda dinamik bir uzmanlar karışımı yaklaşımı ve tek bir sürekli veri akışıyla sıfırdan eğitilen 530 milyon parametreli bir sürekli öğrenme modeli. Veri üzerinde tam kontrolle tüketici ölçeğinde eğitimi gözler önüne seriyor.
GB10 kümesinde Kimi K3. 16 düğümlü bir GB10 kümesi, Moonshot AI'nin 2,8 trilyon parametreli Kimi K3'ünü özel çalışma zamanı yamalarıyla çalıştırdı; kodlama işleminde yaklaşık 30 token/sn hızını korurken eşzamanlılıkta 136 token/sn tepe değerine ulaştı. Kurulum, değiştirilmiş NCCL topolojisi ve çift anahtarlı ağ yapısı gerektirdi.
Araştırmadan Öne Çıkanlar
Fuse sosyal muhakeme. Fuse, LLM asistanlarının kullanıcı anlatılarından sosyal güdüleri nasıl çıkarsadığını değerlendirmeye yönelik, gizli hedef ajanlar aracılığıyla doğrulanabilir ground truth sağlayan çok ajanlı bir simülasyon çerçevesi. 12 LLM üzerindeki testler, kullanıcı arabuluculuğunun zorluğu artırdığını ve modellerin yanlı çerçevelemeye duyarlı olduğunu gösteriyor.
StudentSim yapay zeka öğretmenleri. Microsoft ve UIUC araştırmacıları, maliyetli gerçek öğrenci denemelerine gerek kalmadan yapay zeka öğretmenlerinin geliştirilmesini hızlandırmak için gerçekçi hatalar yapan dijital öğrenci kopyaları oluşturan StudentSim'i geliştirdi. Yaklaşım, sınırlı veriden ayrı kopyalar oluşturuyor ve öğretmen geliştirmeyi hızlandırmayı amaçlıyor.
Sektör ve Politika
Yapay zeka güvenliği tartışması. Anthropic'ten Dario Amodei “frontier'ın hızını ayarlama” planı önerdi; Nvidia'dan Jensen Huang ise yapay zeka korkularını abartılı buldu ve yapay zekanın dünyayı sona erdirme şansının “%0” olduğunu söyledi. Bu ayrılık, politika yapıcılar düzenlemeyi değerlendirirken sektör liderleri arasındaki anlaşmazlığı ortaya koyuyor.
Trump'ın AI Force planı. Başkan Trump, bir “AI Force” ve bir “AI czar” için planlarını duyurdu; yapay zeka büyümesini engellemeyeceğine söz verdi ve veri merkezlerinin topluluklara fayda sağladığını iddia etti. Paylaşımları, yapay zeka liderlerinin varoluşsal risk uyarılarının ardından geldi ve yönetiminin deregülasyon yanlısı duruşunu yansıtıyor.
Yapay zeka yavaşlatma davası. Bir dava, Anthropic, OpenAI, SpaceXAI ve Google'ın yapay zekayı yavaşlatma konusunda yasa dışı bir anlaşma yaptığını iddia ediyor. Ayrıntılar sınırlı; ancak dava, frontier yapay zeka geliştirme hızı tartışmasına hukuki baskı ekliyor.
Anthropic IPO gecikmesi. Anthropic'in IPO'sunu Ekim'den Kasım 2026'ya erteleyeceği bildiriliyor; danışmanlar güçlü üçüncü çeyrek sonuçları sunma ihtiyacını gerekçe gösteriyor. Yatırımcılar yaklaşık 2 trilyon dolar değerleme ve 100 milyar dolara kadar halka arz geliri bekliyor.
Bu günlük bu kadar – yaklaşık 5 dakikalık okuma.