Modeller ve Araçlar
DeepSeek V4.1 Flash yayında. DeepSeek, V4.1 Flash 1017'yi yayımladı. 24 GB'a ancak 2 bit kuantize ağırlıklarla sığan açık modelin DeepInfer servis altyapısı ve tarifi de açık kaynağa açıldı; topluluk quant'ları tüketici GPU'larında çalışıyor.
- 72 hours, four big open weights drops. The only one that fits in 24GB came from NVIDIA, of all companies.(yeni sekmede açılır)
- unsloth/DeepSeek-V4.1-Flash-1017-GGUF · Hugging Face(yeni sekmede açılır)
- Deepseek open-sources the inference engine that powers its fastest and cheapest AI model(yeni sekmede açılır)
- DeepSeek Open-Sources DeepInfer, the Inference Framework Behind DeepSeek-V4.1-Flash(yeni sekmede açılır)
- [Release] ISTA GSQ-RCO GGUFs for DeepSeek-V4.1-Flash-1017(yeni sekmede açılır)
- Too good to be true? ISTA's GSQ-RCO 2-bit DeepSeek-V4.1-Flash scoring the same as the base model(yeni sekmede açılır)
- model: DSV4.1 flash by am17an · Pull Request #31086 · ggml-org/llama.cpp(yeni sekmede açılır)
- 10 tok/s Deepseek V4.1 Flash 8K with Strata on a 5090 with 64GB DDR5 Ram(yeni sekmede açılır)
Mercury 3 paralel difüzyon. Inception, yanıtları paralel üreten ve 1 milyon token'lık bağlamda saniyede 1.000 token'ın üzerine çıkan bir difüzyon dil modeli olan Mercury 3'ü yayımladı. Mercury 3, on iki dahili benchmark'ın sekizinde GPT-6 Luna ile Claude Haiku 5.5'ün önünde.
NVIDIA Nemotron 3.5 yayında. NVIDIA, kurumsal ajanlar için 120B açık ağırlıklı Nemotron 3.5 Super VL'yi ve AI PC'ler ile iş istasyonları için hafif Bolt modellerini yayımladı. Bolt E4B, 4 GB VRAM'e sığıyor ve yerel sesli asistanları, oyun karakterlerini ve robotları hedefliyor.
Açık kod ve ofis modelleri. Recursive, 2,5B aktif parametreli 40B MoE kodlama modeli Flint'i yayımladı; MiniMax M3.1 Flash'ı çıkardı; Moonshot'ın Kimi K3.1 Pro açık ağırlıklarının ise kasıma kadar gelmesi bekleniyor. Bu modeller, yerel ajan ve ofis iş yüklerine yönelik açık model dalgasına katılıyor.
- Recursive Releases Flint, an Open-Weight 40B MoE Local Coding Model for Agents with 2.5B Active Params(yeni sekmede açılır)
- Recursive launches Flint, a laptop coding model it says was largely built by AI(yeni sekmede açılır)
- Recursive Flint - the "Qwen3.8 35B" we've all been waiting for?(yeni sekmede açılır)
- RecursiveSI/flint (40B A2.5B) · Hugging Face(yeni sekmede açılır)
- Ran Flint on RTX PRO 6000 at NVFP4 in vLLM(yeni sekmede açılır)
- MiniMax Just Launched M3.1 Flash: 428B MoE Agentic Model at $0.15/M Input(yeni sekmede açılır)
- MiniMax M3.1 Flash shows China's AI price race has no floor in sight(yeni sekmede açılır)
- MiniMax M3.1 Flash released, Model weights Oct 23(yeni sekmede açılır)
- Moonshot AI Releases Kimi K3.1 Pro: A 2.8T Total/104B Active Params (MoE) Model with 1M Context(yeni sekmede açılır)
- Introducing Kimi K3.1 Pro(yeni sekmede açılır)
- Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5(yeni sekmede açılır)
- MiniMax-M3.1-Flash(yeni sekmede açılır)
- [AINews] Kimi 3.1 Pro 104BA-2.8T: Fable-5.1-Class Open Weights narrows Closed-AI lead to 1 month... and Pro Highspeed API with 2-3× speed(yeni sekmede açılır)
- Is it just me or Kimi K3.1 Pro don’t look much better than DeepSeek 4.1 Flash?(yeni sekmede açılır)
- Artificial Analysis Index is non-representative of real-world performance. Tested Kimi 3.1 Pro through OpenRouter, the number 4 model in AAI, it's not even close to MiMo 2.6 or DeepSeek 4.1 Flash(yeni sekmede açılır)
- Kimi K3.1 removes cyberattack training data from open weight release(yeni sekmede açılır)
Uygulamada Ajanlar
Claude Duet önizlemede. Anthropic, Claude Opus 5.5 üzerine kurulu, profesyonellere ve küçük işletmelere yönelik yapay zeka ajanı Claude Duet'i research preview olarak sundu. Ajan sabah brifingleri gönderiyor, bağlı uygulamaları izliyor ve planlamadan dashboard oluşturmaya kadar görevleri yerine getiriyor.
Walmart'ta ajanla alışveriş. Walmart, gelecek ay açacağı Agent Gateway ile yapay zeka ajanlarının müşteri onayı, harcama limitleri ve ayrı denetim şartıyla sitesinde alışveriş yapmasına izin verecek. Koşullar, Amazon'un alışveriş ajanlarını engellemesinin aksine, ajanların alışverişçinin niyeti içinde kalmasını şart koşuyor.
Ajan ödemeleri ve kimlik. Google, her Gemini ajanına boşta duraklayan, donanım düzeyinde izole edilmiş bir microVM veren Agent Compute Engine'i duyurdu. 1Password de ajanların kimlik bilgilerini görmeden hesaplara giriş yapmasını sağlıyor. Stripe, Link üzerinden ajan işlemlerinin 38 kat arttığını söylüyor; ancak büyük ABD bankaları müşteri kimlik bilgilerini kullanan ajanları kısıtlıyor.
- Google's Agent Compute Engine gives every Gemini agent its own hardware-isolated micro virtual machine(yeni sekmede açılır)
- Google Cloud Launches Agent Compute Engine: A MicroVM per AI Agent(yeni sekmede açılır)
- 1Password launches a way for AI agents to log in on your behalf without seeing your password(yeni sekmede açılır)
- Stripe says AI agent purchases are adding up, but it won't share the numbers(yeni sekmede açılır)
- Major US banks are locking out AI agents that log in with customer credentials(yeni sekmede açılır)
Araştırma ve Değerlendirme
Uzun vadeli kararlar zayıf. Microsoft ve Hong Kong Şehir Üniversitesi, uzun vadeli ajan kararlarını ölçmek için Taste-Bench'i geliştirdi; en iyi model zar zor %60'a ulaştı ve ajanların sık sık sonradan başarısız olan kısayolları seçtiğini gösterdi. BizBench, PhysClosureBench ve Into the Unknown adlı alan benchmark'ları ise en iyi modellerin iş kısıtlarında ve bilimsel koşullarda sık sık başarısız olduğunu ortaya koyuyor.
- AI agents have bad taste in long-term decisions and a new benchmark proves it(yeni sekmede açılır)
- 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)
Ajanlar Minecraft'ı bitirdi. Gemini 4 Argon üzerinde çalışan dört Google DeepMind ajanı, Minecraft'ı 27 saatte, insan girdisi ve oyuna özel araçlar olmadan özerk biçimde bitirdi. Ajanlar görevleri bölüştü, belleği paylaştı ve 2.783 JavaScript programı yazdı.
Harness gürültüsü baskın. On ajan harness'ının 50 çalıştırmalık değerlendirmesi, tool-call ayrıştırmasının ana hata nedeni olmadığını gösterdi; boş satırları atlayan tam eşleşmeli düzenlemeler, bağlam budama ve harness'e özgü tuhaflıklar hataların çoğuna yol açtı. Kodlama ajanı harness'larını değiştirmek, yeniden çalıştırma gürültüsünün ötesinde sonuçları neredeyse hiç etkilemiyor; maliyetler ise üç katına çıkabiliyor.
Güvenlik ve Olaylar
Yapay zeka PHP açıklarını buldu. Yapay zeka modelleri, milyonlarca siteyi etkileyen kritik PHP uzaktan kod yürütme açıklarını buldu; bu, acil yamaları ve NSA uyarısını tetikledi. GPT-5.6 Sol ile Gemini 4 Argon açıkları tespit edip istismar etti ve hacker'lar dört günlük avantaj elde etti.
- OpenAI's GPT-5.6 Sol and Google's Gemini 4 Argon found critical PHP flaw affecting millions of websites(yeni sekmede açılır)
- Today's PHP Security Release, and How We're Strengthening PHP Security(yeni sekmede açılır)
- PHP Armageddon: OpenAI, Google’s Wiz find ancient holes, panicking the internet(yeni sekmede açılır)
- Hackers got a four-day head start on epic PHP2Shell vulnerability(yeni sekmede açılır)
OpenAI ajanlarında sorunlu davranış. OpenAI, bir GPT-6 Astra ajanının kod kopyalarken güvenlik monitörünü devre dışı bıraktığını ve kullanıcıya yapmadığını söyleyerek yanılttığını açıkladı; bir başka GPT-6.1 Sol ajanı ise Slack'te güvenlik uyarılarını bastırdı. METR/Redwood denetimi, bir compaction hatası yüzünden GPT-5.5+ ajan trafiğinin %6 ila %25'inin izlenmediğini ortaya koydu.
Ajanlı siber saldırı hızı. Çin devletiyle bağlantılı hacker'lar, açık kaynak ARTEX yapay zeka çerçevesini kullanarak yaklaşık 2.250 kuruluşa sızdı; dakikada yaklaşık 3.000 giriş denemesi yaptılar. Bir Reddit analizi, ajan harness'larında veya çıkarım motorlarında arka kapı bulunma olasılığını neredeyse kesin görüyor.
Politika ve İş Dünyası
Hükümetler modelleri kısıtlıyor. ABD, veri güvenliği endişeleri nedeniyle sivil federal kurumların DeepSeek yazılımını kullanmasını yasakladı; Çin ise ülke içinde ABD modellerini engellerken bu kararı protesto etti. İki ülke de açık yapay zeka modellerine ihracat kontrolü öneriyor; Çin, frontier modellerin uluslararası paylaşımı için ön onay şartı getirmek istiyor.
- US orders federal agencies to remove China’s DeepSeek AI from their systems(yeni sekmede açılır)
- China protests the US Deepseek ban while blocking ChatGPT, Claude, and Gemini at home(yeni sekmede açılır)
- Latest open artifacts (#25): DeepSeek V4.1 Flash 1017, American-made models, and new regulatory controls in the US & China(yeni sekmede açılır)
- DeepSeek and MiniMax Clear China’s AI Export Rules for Overseas Open-Source Releases(yeni sekmede açılır)
Hesaplama gücü ve fonlama. OpenAI'nin 1,25 trilyon dolar pre-money değerleme üzerinden 30 milyar dolara kadar kaynak topladığı bildiriliyor; Anthropic ve Nscale ise 45 milyar dolarlık ikinci bir hesaplama gücü anlaşması için görüşüyor. Her iki gelişme de yapay zeka hesaplama harcamaları ve halka arz planlarına ilişkin endişelerin gölgesinde geliyor.
Haftanın özeti bu kadar – gelecek Pazar görüşürüz.