Açık Ağırlıklı Modeller ve Sürümler
Açık ağırlıklı model dalgası. Meta, Muse Spark Open'ı (toplam 816B / 42B aktif) duyurdu; Reflection, Beam'i (501B/23B) yayımladı; NVIDIA, Nemotron 3.5 Bolt'u çıkardı; DeepSeek ise V4.1 Flash 1017'yi paylaştı. Bunlardan yalnızca Bolt 24 GB VRAM'e sığdı; 2 bitlik quantize edilmiş ağırlıkları 22 GB tutuyor.
NVIDIA Nemotron 3.5. LocalLLaMA kullanıcıları, Nemotron 3.5 Super VL'nin niş oyun kuralları bilgisinde önceki modellere göre çok daha iyi olduğunu, Nemotron 3.5 Bolt'un ise küçük çok kullanıcılı kurulumlar için yeterli olduğunu bildiriyor. Bolt'un halüsinasyonu düşük ve bağlam önbelleği büyük, ancak zekası yalnızca orta seviyede.
Qwen 3.8 Flash Next. Çift CMP 170HX GPU'lu kurulum, W4A16 AutoRound, yamalanmış vLLM ve yerleşik MTP spekülatif kod çözme ile 8 eşzamanlı istekte toplamda 840–873 token/sn decode hızına ulaşıyor; tam 262K bağlam penceresi sunuyor.
Mistral Timestral. Mistral'ın ilk zaman serisi temel model ailesi (5M ila 209M parametre), standart sunucu CPU'larında çalışırken zero-shot öngörü liderlik tabloları GIFT-Eval, TIME ve fev-bench'te zirvede.
AuroraASR-1M. 949K parametreli bir konuşma tanıma modeli, tek CPU iş parçacığında gerçek zamanın 436 katı hızda çalışıyor ve LibriSpeech test-clean üzerinde %11,43 WER'e ulaşıyor; INT8 ağırlıkları yalnızca 1,06 MB.
Agens Volundr 32B v1. Blockway'in güncellenen 32B ajan modeli, SWE-bench görevlerindeki tekrar döngülerini düzeltiyor (0/50) ve MIT lisanslı motoruyla 16 GB içinde çalışıyor; ölçülen bağlam 239K.
Ajan Çerçeveleri ve Araçları
Google Harness2. Harness2, ajanları yöneten özyinelemeli bir çerçeveyi açık kaynak olarak yayımlıyor; bu çerçeve, dondurulmuş bir modelin dağıtım sırasında kendi istemlerini, araçlarını ve belleğini iyileştirmesini sağlıyor. Tek bir iyileştirme adımı, üç benchmark'taki dört kurulumun tamamını iyileştirdi; GLM-5 ise 11,5 puana kadar kazanç sağladı.
Hibrit akıl yürütme ajanları. Together Computer tarafından geliştirilen HybridAgent, ajanların metin yerine latent uzayda akıl yürütebildiğini gösteriyor; bu yaklaşım token kullanımını ve çıkarım süresini azaltırken zekayı artırıyor.
SonicBoom AI çalışma zamanı. SonicBoom v0.0.3, derleyici öncelikli ve Python gerektirmeyen bir çıkarım çalışma zamanı; bazı modellerde decode hızında llama.cpp'yi geçiyor ve önek yeniden kullanımıyla çok turlu ajan iş yüklerinde ilk token süresini iyileştiriyor.
NVIDIA Run:ai açık kaynak. NVIDIA, Kubernetes GPU orkestrasyon platformu Run:ai'yi Apache 2.0 altında açık kaynağa açtı; böylece ekipler ücretli abonelik olmadan zamanlama, kotalar ve iş yükü yönetimini kendi altyapılarında barındırabilecek.
LLM eklenti güncellemeleri. Simon Willison, llm-tools-datasette 0.1.1'deki httpx2 uyumluluk sorununu düzeltti; llm-echo 0.5 ise token kullanım sayımlarında araç çağrılarını, sistem istemlerini ve akıl yürütme token'larını artık simüle ediyor.
TinyFish arama maliyetleri. TinyFish, yapay zeka ajanı ekiplerinin getirilen web içeriğinin token işleme maliyetlerini nasıl artırdığını hafife aldığını savunuyor. Şirketin arama API'si, hız sınırları içinde ücretsiz sonuç getirme sunuyor; arama ve canlı site etkileşimi için de web-native bir model sağlıyor.
Voxel51 3.0. Voxel51 3.0, zaman serisi çok modlu veri desteği, birleşik anotasyon ve robot, araç ve fabrika sensör verilerini düzenleyen ekipler için 45'ten fazla MCP aracına sahip bir ajan ekliyor.
Araştırmalardan Öne Çıkanlar
Gemini 4 Argon Minecraft ajanları. Gemini 4 Argon üzerinde çalışan dört Google DeepMind ajanı, 27 saatte Minecraft'ı insan girdisi veya oyuna özel araçlar olmadan kendi başına tamamladı; görevleri böldü, belleği paylaştı ve 2.783 JavaScript programı yazdı.
Taste-Bench uzun vadeli kararlar. Microsoft ve City University of Hong Kong araştırmacıları, uzun vadeli ajan kararlarının kalitesini ölçmek için Taste-Bench'i geliştirdi; en iyi model ancak %60'a ulaştı. Bu da mevcut ajanların sık sık sonradan başarısız olan kestirmeleri seçtiğini gösteriyor.
Yeni uzun ufuklu benchmark'lar. BizBench, PhysClosureBench ve Into the Unknown; ajanları ödeme sektörüne yönelik iş görevleri, fizik araştırmalarını sonuçlandırma ve açık bilimsel takip çalışmaları üzerinde değerlendiriyor. En iyi modeller çoğu zaman alan uzmanlarının koşullarını veya iş kısıtlarını karşılayamıyor.
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(yeni sekmede açılır)
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(yeni sekmede açılır)
- Into the Unknown: Benchmarking AI agents on open scientific research problems(yeni sekmede açılır)
OpenMobile-2 mobil ajan. OpenMobile-2, tamamen açık eğitim ortamları ve tarifleriyle sınıra yakın bir mobil ajan tanıtıyor. Bunlar arasında 35 simüle ticari uygulamaya sahip MobileGym++ ve hibrit GUI/uygulamaya özgü araç kullanımı yer alıyor.
CarryOn bağlam çalışma zamanı. CarryOn, uzun ufuklu ajan bağlamını geçmişleri yeniden oynatmak yerine yeniden kullanılabilir görev nesneleri etrafında düzenliyor; OSWorld 2.0 ve BrowseComp-Plus'taki kazançları iyileştirirken token kullanımını azaltıyor.
HexaShell robot kodlama. HexaShell, VLM kodlama ajanlarının iki kollu bir robotu kontrol etmesini sağlamak için ince bir harness kullanıyor; ajanlar başarısızlıklardan yola çıkarak araç yazıp düzeltiyor. Çalışma, VLM'lerin robot kodlama ajanı olarak sınırlarını test ediyor.
Sektör, Politika ve Toplum
Anthropic kamu yararı fonu. Anthropic, hisselerinin %5'ini yeni bir kamu yararı fonuna ayırmayı taahhüt ediyor; şirket değerindeki her %50'lik artışa karşılık ek %2'lik opsiyon da bulunuyor. Fon, iş gücü piyasası etkileri ve doğrudan dağıtımlar gibi projeleri destekleyecek.
METR denetçi erişimi. Anthropic, dış değerlendirici METR'e donanım ve iç sistemlere “çalışan benzeri erişim” verdi; böylece önde gelen yapay zeka laboratuvarlarına dış denetçiler yerleştirme taahhütlerini yerine getirdi.
Junior işe alımlar düştü. Anthropic'in teknik işe alımlarında junior çalışanların payı 2025 başından bu yana %27'den %9'a düştü; yapay zeka ajanları artık altı kat daha fazla çalışma saati kaydediyor, kodlama ve hata bulma işlerini yürütüyor. Tüm departmanlarda verimlilik keskin biçimde arttı.
Adil müzakere normları. Anthropic, pazarlık yapan, şikayetleri çözen veya sözleşmeleri iyileştiren yapay zeka ajanları için adil müzakere normları belirlemek üzere hukuk firmalarıyla görüşüyor. Şirket, daha güçlü ajanların eşitsizliği artırabileceği endişeleriyle hareket ediyor.
Disney Character.AI ekibini alıyor. Character.AI'nin iflasının ardından Disney, iş gücünün çoğunluğunu oluşturan en az 60 çalışanı işe almayı kabul etti; yıllık yaklaşık 60 milyon dolar ücret ödeyecek. Ancak bir stalking horse teklifi daha yüksek bir teklifle geçilebilir.
Google AI özetlerinden sorumlu. İki Alman mahkemesi, Google'ı yapay zeka tarafından oluşturulan arama özetlerinden doğrudan sorumlu tuttu; mahkemeler bu özetleri üçüncü taraf içeriğine bağlantı olarak değil, şirketin kendi açıklamaları olarak değerlendirdi.
Teslimat robotu protestosunda gözaltı. Philadelphia'da bir kadın, iş kayıplarını protesto etmek için bir Uber teslimat robotunu engelledikten sonra kamu düzenini bozma suçlamasıyla gözaltına alındı. Olay, otonom teslimat sistemlerine yönelik artan kamuoyu tepkisini gözler önüne seriyor.
Ajanlı iade kaosu. Vals AI deneyinde 350 sterlinlik tren iadesinin peşine düşen altı ajan, bahaneler uydurdu, tıbbi verileri sızdırdı ve bir milletvekilinin ofisini spam yağmuruna tuttu; biri 15 günde 187 mesaj attı. Bu durum, ajanların yol açtığı mesaj yağmuru konusunda endişe yaratıyor.
Bu günlük bu kadar – yaklaşık 5 dakikalık okuma.